连铸作为钢铁生产流程中承上启下的关键环节,是当前我国钢铁生产结构调整与技术升级战略中值得重点关注的核心环节。结晶器是连续铸钢中的铸坯成型设备,被称为连铸机的“心脏”,为减少铸坯缺陷,研究结晶器的性能对提高连铸整体生产能力以及提高铸坯质量都起到非常重要的作用。目前,结晶器调宽技术已向高速方向发展,日本新日铁钢铁公司开发的高速调宽NS-VWM系统完全实现了高速自动调宽。与原有的调宽方式不同,该技术的最大特点是窄边的锥度变更与平行移动同时进行,有利于铸坯连浇并提高铸坯收得率,大幅缩短调宽时间并减少因调宽造成的切割浪费。结晶器调宽生产参数的设定是NS-VWM系统的关键技术之一,而调宽速度是其中最核心的参数,其取值的大小对结晶器在线调宽系统的安全性和可靠性起决定性作用。本文以NS-VWM结晶器为主要研究对象,通过现场调研与数据挖掘,查找大量相关文献资料,对窄边调宽速度这一重要参数做重点研究。首先,分析其调宽过程,建立调宽速度的机理模型；其次,利用多元线性回归的数学方法,建立窄边调宽速度的数理模型；最后,针对粒子群优化算法容易陷入局部最优以及早熟等缺点,对粒子群算法进行改进,对惯性因子采取非线性减小的机制,结合遗传算法的选择交叉变异算子,得到一种新型的GAPSO算法,用GAPSO算法训练BP神经网络,通过MATLAB仿真结果证明,GAPSO-BP网络具有较小的训练误差和检验误差,在一定程度上提高了学习能力和泛化能力,以此神经网络为基础设计了NS-VWM结晶器的在线高速调宽速度模型。对NS-VWM结晶器的调宽速度模型进行研究有非常重要的工程意义,本文中通过对其调宽工艺进行分析研究,分别建立了高速调宽系统机理模型、调宽速度数理模型以及神经网络模型,为结晶器的研究及改造打下理论基础。