中厚板是国民经济发展必需的重要产品,近年来,为了提高中厚板的产品质量与性能,我国很多中厚板厂对一些落后的设备进行了更新。然而,伴随着设备的更新和改造也出现了一些问题,特别突出的问题之一是轧制过程中出现轧件头部弯曲的问题。轧件头部弯曲会导致成材率降低、产品质量、产量下降等问题。引起轧件头部弯曲的根本原因是由于轧制时轧件上下部的不对称轧制,引起不对称轧制的因素很多。在实际轧制过程中,这些影响因素往往交织在一起,使带钢头部翘曲规律变得更加复杂。本文针对韶钢二轧厂生产中的头部弯曲问题,以生产现场测得的数据为依据,应用BP神经网络来训练测得的数据,建立了轧件头部弯曲数学模型。利用所建的数学模型对生产中影响轧件头部弯曲的因素进行分析,揭示出了各影响因素与头部弯曲之间的关系,为轧制工艺制度的制定提供了依据。同时,在生产中当上下温差、上下轧辊速度、来料厚度及成品厚度等其他条件一定时,还可以利用该模型来预测轧件的头部弯曲程度,然后根据预测的弯曲情况可以在操作台上通过调整一、两个变形参数来抑制板头弯曲。本论文的研究工作不仅有助于韶钢二轧厂的生产运行,对其它中厚板生产厂中解决类似问题同样具有指导意义。