目前,各行各业生产制造对钢铁产品质量要求越来越高,如何进一步提高钢铁产品质量是当下钢铁生产研究的重中之重。层流冷却是热轧生产线的最后一个关键环节,其主要作用是对热轧后带钢进行冷却,使冷却后带钢温度能够达到目标卷取温度允许的公差范围内。冷却后带钢温度的控制效果与成品钢的组织性能息息相关,为保证成品带钢的高质高量,对热轧后带钢冷却过程的运行优化研究势在必行。在实际生产中,由于带钢种族划分出错、冷却环境或水量发生变化,导致在切换钢种族或者长时间停轧后开轧第一块带钢的头部设定能力较弱,严重制约了带钢全长温度的高精度控制。本文以B钢厂2250mm热轧生产线层流冷却部分为研究对象,针对该产线在切换钢种族或者长时间停轧后开轧第一块带钢的头部设定能力较弱的问题,将工业大数据、专家知识、智能模型相结合对热轧后带钢冷却过程进行优化。主要研究工作和成果如下:（1）热轧后带钢冷却过程问题描述及方案研究。熟悉热轧带钢冷却技术的发展和控制技术难点,详细描述层流冷却过程工艺、卷取温度控制策略。针对该生产线现有问题,提出一种将工业大数据、专家知识、智能模型相结合的智能控制优化方案,通过修正阀门设定开启量以提高带钢全长温度的控制精度。（2）层流冷却过程数据处理。结合实际生产过程和专家经验确定影响卷取温度预测模型和集管开阀数设定模型的输入变量。针对现场采集的层流冷却过程数据集中含有大量噪声的问题,对该数据集进行数据处理,包括异常值检测、缺失值修补、标准化。通过上述数据处理操作后获得高质量的建模数据集,其中卷取温度预测模型相关数据集共11000组、集管开阀数设定模型相关数据集共21400组。（3）卷取温度预测模型建立。使用相关高质量的建模数据集建立基于梯度提升决策树、支持向量机、小波神经网络和基于差分进化算法优化梯度提升决策树、支持向量机、小波神经网络的卷取温度预测模型,并通过多项模型评价指标判断上述六种预测模型性能。实验结果显示:基于差分进化算法优化梯度提升决策树的预测模型在卷取温度预测方面性能更好,其各项误差指标均最小,预测命中率最高,达98.5%。（4）基于贝叶斯优化的集管开阀数设定优化研究。利用卷取温度预测模型预估带钢头部卷取温度,同时根据专家经验判别带钢冷却生产过程状况。若模型预测值与目标值偏差过大,利用基于贝叶斯优化梯度提升决策树的集管开阀数设定模型,修正冷却区阀门的设定开启数目。实验结果显示:通过该设定模型能在一定程度减少带钢卷取温度与目标值之间的偏差,对冷却过度的带钢可以减少冷却区阀门开启数,对欠冷却的带钢可以增加冷却区阀门开启数,可以提高带钢卷取温度的控制命中率。