中薄板坯连铸连轧(ASP)技术作为薄板坯连铸连轧三种工艺技术之一,在热轧板带生产中起着至关重要的作用,目前国内已经有9条ASP生产线。各大钢铁企业也都在ASP生产线上成功生产出了X70管线钢,但是ASP热连轧生产X70管线钢存在力学性能波动较大,微观组织演变不稳定等问题,因此本文结合济钢ASP1700热连轧生产线对X70管线钢轧制过程中的微观组织演变和力学性能预测进行了系统的研究,建立了适用于ASP热连轧过程中的温度场模型,并在此基础上对X70管线钢轧制过程中的再结晶行为模型、相变行为模型、人工智能方法计算力学性能模型和化学成分优化模型进行了深入研究。本文的创新点和主要研究内容如下：(1)针对中薄板坯连铸连轧过程特点,采用有限差分法建立了适用于X70管线钢轧制过程的温度场模型,并对实际轧制过程温度场进行了模拟,获得了轧制方向的一维温度场(温度随时间或者距离的变化)和轧件横断面二维温度场。通过计算6.47mm厚度X70管线钢测温仪位置的温度与实测值比对发现,计算值与实测值平均相差20℃。为了消除此误差,采用Powell算法对轧制过程中的换热系数进行了修正。研究表明,采用修正后的换热系数,11.5mm厚度的Q345B实验钢轧制过程中温度计算值与实测值吻合的很好,说明采用Powell算法修正后的换热系数修正系数适用于济钢ASP1700热连轧生产线,并通过模拟边部遮挡层流冷却水方式提高了卷取前的带钢横断面温度均匀性。(2)利用热力模拟实验技术获得了X70管线钢发生动态再结晶、静态再结晶的激活能,并结合前人研究的再结晶模型结构,建立了适用于ASP热连轧生产X70管线钢的奥氏体微观组织演变模型。以135mm中等厚度的坯料生产11.36mm厚度X70管线钢为研究对象,对实际轧制规程条件下的奥氏体再结晶行为和流变应力变化进行了模拟研究,并在此基础上对以细化晶粒尺寸和应变累积为目的的工艺手段进行了探讨。研究表明,通过热模拟实验建立的X70管线钢微观组织演变模型精确地反应了实际的奥氏体再结晶行为。以细化晶粒尺寸和应变累积为目的的两种工艺手段(增大Fl-F3压下量和采用中间水冷却方式降低精轧阶段温度)都可以将精轧出口处的奥氏体晶粒尺寸细化到15μm左右,但是后者的残余应变更大,致使精轧F6出口处的流变应力增大了60MPa。(3)通过热模拟实验获得了奥氏体向铁素体相变时的临界碳浓度与化学成分之间的数学关系。铁素体相变分数计算采用UBC学派的数学模型,并回归得到了相变参数b1、62和ma与化学成分间的关系。针对ASP热连轧实际生产工艺模拟计算了铁素体相变开始温度、相变分数及晶粒尺寸。研究表明,铁素体相变开始温度Ar3与平衡态铁素体相变开始温度Ae3呈正比,而与冷却速率和初始奥氏体品粒尺寸的乘积呈幂函数关系；利用回归得到的关键参数b1、b2和mα计算的铁素体相变分数与实测值吻合的很好；11.36mm厚度X70管线钢相变完成后的表面和心部铁素体晶粒尺寸相差2μm；三种不同冷却路径条件下的铁素体相变开始温度不同,相变结束温度和分数相当,但是铁素体相变在各自的温度区间内的转变路径不同。(4)在采集大量现场生产数据的基础上,采用人工智能模型对X70管线钢的力学性能进行了预测研究。人工智能模型中加入消除样本顺序影响的算法,轧制工艺参数经SPSS商业软件验证满足正态分布,运用3σ法则对预测样本进行了筛选。研究表明,采用消除顺序影响、36法则筛选数据和增加训练样本数量及数据时效性,都可以提高力学性能的预测精度。消除样本顺序影响后,±6%误差范围内的屈服强度和抗拉强度预测精度分别提高了33%和9%；采用数据预处理后力学性能预测偏差标准差在±3%范围以内；在此基础上预测得到了化学成分C、Mn、Nb和终轧温度对力学性能的影响趋势。(5)运用BP神经网络结合遗传算法对影响力学性能的关键因素进行了分析研究,建立了一种化学成分和轧制温度制度优化方法,并在此基础上对预设的力学性能进行了成分设计和温度制度优化。研究表明,在考虑性价比的基础上采用BP神经网络和基因算法可以对钢铁材料的化学成分和轧制温度制度进行优化计算,优化结果显示降低终轧温度可以一定程度上起到与添加合金元素相同的作用。