厚板作为工程结构件的原材料,广泛用于桥梁、船板、海洋工程等领域,在国民经济中占据不可替代的地位。热轧作为一种成熟的钢铁加工技术,是生产厚板的主要方法。然而,我国的厚板生产还存在轧机潜力发挥不充分、轧后产品质量不够高的问题,亟需提升轧制工艺水平。由于轧制参数模型是进行厚板生产工艺调整的依据,因而其研究具有重要的价值。目前,研究轧制参数的方法有理论解析、神经网络建模以及有限元模拟。其中,理论解析可以导出解析式,清晰地展示各参数之间的制约函数关系,有利于揭示轧制过程的本质;神经网络建模和有限元模拟可以分析复杂的轧制过程,能够提供较为准确的预测结果。本文综合利用以上方法,并与实验研究相结合,对厚板的轧制力与芯部缺陷消除问题进行深入研究。主要工作和进展如下:(1)为解决非线性Mises比塑性功率引起的轧制功率求解困难的问题,本文通过对变角度屈服函数求积分中值,提出了一个新的线性屈服准则,简称IM屈服准则,并以此为基础,推导了相应的比塑性功率表达式。同时,本文也进行了新准则与实验数据的对比,验证了新准则的可靠性。结果表明,该准则可以为本文轧制功率的线性化解析提供方法准备。(2)本文从厚板的变形特性入手构建了椭圆分布的运动许可速度场,并且基于该速度场获得轧制力的理论模型。同时,进行了基于生产数据的神经网络建模,获得了精度较理论模型有明显提升的数据模型。在此基础上,利用偏差补偿的方法对两种模型进行融合,获得了数理解释清晰、精度可靠的整合模型,并进行了实验验证以及参数规律的分析。以上分析方法为轧制力的准确获得提供了新的思路。(3)为研究厚板轧制过程中孔洞缺陷的演化行为,建立了包含椭圆形缺陷的上界三角形速度场。通过能率计算导出了缺陷消除判据,并且进行了相应的模拟对比与实验验证,校验了该判据的可靠性。同时,与已有的判据比较表明,该判据有很高的精度,对于消除厚板缺陷、提升厚板质量能够给出科学的指导。