轧辊的热行为，特别是工作辊的热膨胀、热凸度及其变化过程是轧制过程中的主要干扰因素之一。在市场竞争中，高质量、高成材率、低成本成为现代钢铁企业竞争的核心。对于带钢产品，厚度偏差和平直度是冷轧带钢最重要的尺寸精度指标。如何进一步提高冷轧带钢的板厚、板形精度是摆在所有相关领域研究者面前的难题。在现代冷轧过程中，冷轧机组速度高、功率大，部分能量将在轧制过程中转化为轧件变形热和轧制区摩擦热。动态热交换过程会使轧辊产生一定的膨胀和变形，导致工作辊平均直径和初始辊型的改变，影响板形板厚质量。对轧辊的热行为进行必要的研究，进而应用到板形板厚控制当中进行动态补偿是提高冷轧水平的新的突破口。因此，论文以300轧机为主要对象，对轧辊温度场的建模方法、热行为的预报方式以及模型的维护方法进行了深入的研究。首先，在原有轧辊温度场及热行为数值建模的基础上提出了基于扫描法的准三维温度场模型。针对轧辊的高速旋转的工作特点，用局部二维温度场过程拓展出全局三维温度场。虽然研究对象是一个两维的轴半剖面，但是考虑的热传导是轴向、径向、以及周向三个方向的热传导，经过一段时间累积和延拓可以得到轧辊的三维全局温度场，这种方法可以准确全面刻画出轧辊温度场的分布。同时，合理的简化方案大大减少了计算工作量。其次，在对冷轧过程的板厚、板形控制原理和过程进行适当分析的基础上，找出了轧辊热膨胀和热凸度与纵向厚差、横向厚差、轧机刚度、压下缸位移、轧制力、弯辊力等过程变量的相关关系，结合650轧机的过程数据，提出了一套基于轧制过程数据库进行数据挖掘和误差溯源，将隐藏在海量过程数据背后的有价值的知识和规律特别是轧辊热行为规律进行发掘的技术方案。然后在300可逆冷轧实验轧机上，进行了实际的轧制实验，通过专门的过程数据库对各过程数据进行归档和保存。实验后可根据过程数据溯源出该过程的热凸度曲线和热膨胀曲线。同时在轧制实验过程中采用红外热像仪对轧辊表面温度场进行拍摄，获得轧辊表面瞬时温度分布，同溯源得到的热行为曲线一起，构成了对轧辊热行为过程全面、立体的证据体系，为数值模型和预报模型的校验和优化提供充分的证据。在完成轧制实验的基础上，融合获得的现场数据，运用遗传算法对数值模型的若干不确定参数进行了参数优化。优化的结果使得数值模型预报精度、可靠性和适应性得到了进一步的提高，具有了实际应用价值。最后在300可逆冷轧实验轧机的板形板厚控制系统中设计了热凸度补偿和热膨胀补偿模块，为了提高模型的适应性和准确性，设计了预报模型的自适应方法，实现了热行为的在线预报和补偿，根据热行为变化过程的预报，控制系统对压下缸位置设定值和弯辊力设定值进行了动态的补偿，并进行了与其它控制策略的对比轧制实验。补偿结果表明，这种热行为的预报模型基本准确，补偿后纵向厚差显著降低，横向厚差更加稳定，板形良好。