连铸是钢铁生产的一个重要环节。连铸生产中，经过结晶器一次冷却后带有液芯的钢坯被拉入二次冷却区。二冷区内的冷却水喷淋到钢坯表面，带走钢坯内部的大量热量，使得铸坯温度均匀下降直至完全凝固，因此连铸坯的质量在很大程度上取决于二冷水的控制精度。 实现连铸二冷水动态控制的方法有两大类，一是基于实测铸坯表面温度的动态控制；二是基于模型的动态控制。由于水蒸气及氧化铁皮等因素的影响，基于实测铸坯表面温度的控制方法难以获得准确的铸坯表面温度，目前对于二冷水的控制多数采用基于模型的控制方法，此类方法利用预测模型，考虑钢种、断面尺寸、拉速等影响因素，每隔一段时间计算一次铸坯的表面温度，使铸坯的表面温度与目标表面温度相一致。 本文首先通过凝固传热偏微分方程和相应的边界条件，建立了铸坯凝固传热模型，并用差分法计算特定冷却条件和拉速下的铸坯温度场，得到了铸坯表面温度。但该方法计算量大、实时性不高，在实际应用中受到了一定的限制。鉴于遗传算法的全局寻优能力和神经网络的自学习能力，本文采用遗传算法和BP神经网络相结合的GA-BP算法、利用现场数据建立了二冷水温度预报模型。仿真研究表明该预报模型的建立可以改善二冷控制系统的控制精度，提高铸坯的质量。 在采用GA-BP算法建立二冷水温度预报模型的过程中，利用MATLAB工具箱对模型进行仿真，寻找最优参数，并将GA-BP算法分别与标准BP算法和改进BP算法进行对比，充分证明了GA-BP算法有快速的全局寻优能力，能够准确的逼近二冷过程。 二冷控制系统以基于GA-BP算法所建立的二冷水温度预报模型为控制模型，采用神经元自适应PSD作为控制器，利用其自适应和自学习能力，得到了很好的二次冷却控制效果。