特厚板作为重要的钢铁品种,广泛应用于建筑工程、机械制造和海洋制造等国民经济建设的各个方面。为解决由连铸坯生产特厚板压缩比不足而导致的轧件内部组织疏松、晶粒粗大等共性问题,在不改变现有轧制设备的条件下,提出采用变厚度轧制技术生产特厚板。本文基于变厚度轧制工艺和理论,针对特厚板变厚度轧制力能模型及其智能优化展开相关研究工作。论文主要内容如下:（1）针对咬钢冲击的瞬态过程,以某厂5000mm宽厚板轧机主传动系统为基础,从机械动力学角度出发,通过集中质量法将主传动系统简化为5自由度“质量-弹簧”系统,建立轧机主传动系统动力学模型和扭振数学模型。采用4阶Runge-Kutta法求解扭振微分方程并绘制动态响应仿真曲线,分析主传动系统有无间隙、间隙大小、咬钢时间等因素对主传动系统扭振的影响,并根据仿真结果建立咬钢时刻轧制力矩峰值预报模型,模型预报的最大误差在±12%以内,平均误差在±10%以内。（2）针对变厚度轧制过程中趋薄轧制和趋平轧制的工艺特点进行分析,研究变厚度轧制理论与回归计算模型。基于几何学和轧制力学基本理论推导变厚度轧制工艺参数。结合现场实际生产数据及特厚板变厚度轧制工艺特点,分析得知力臂系数主要与变形区形状系数和压下率有关,建立更加适用于现场特厚板热轧生产线的的力臂系数模型及轧制力能模型,轧制力矩模型的最大预报误差在±12.3%以内,平均误差在±10%以内。（3）将粒子群算法改进的BP神经元网络与咬钢时刻轧制力矩峰值预报模型相结合,根据咬钢冲击瞬态过程中特厚板轧制工艺特点分析咬钢时刻轧制力矩峰值变化的影响因素,以现场实测数据为基础,建立并优化网络结构,建立高精度的咬钢阶段轧制力矩预报模型。经优化后,咬钢阶段轧制力矩峰值模型的最大预报误差由12%降至9.2%,平均误差由9.36%降至5.27%。（4）使用PSO-BP神经元网络算法对稳态阶段轧制力矩数学模型进行智能优化,建立高精度的稳态阶段轧制力矩预报模型。根据特厚板变厚度轧制工艺特点分析稳态轧制阶段轧制力矩变化的影响因素,以现场实测数据为基础,建立并优化网络结构。经优化后,稳态轧制阶段轧制力矩数学模型预报的最大误差由12.3%降低至8.21%,平均误差由8.27%降低至4.26%。