近年来,我国钢铁产能严重过剩,钢铁价格指数屡创历史新低,全行业亏损严重,企业运营举步维艰。面对如此困境,钢铁企业要想在如此惨烈的市场环境中生存下去,唯有不断提高自身产品质量,以质量来抢占市场。评定热轧产品质量优劣的关键指标就包括板形的精度,现在板形的精度已经成为重点的课题之一被各个钢铁生产企业所研究。本文以鞍钢股份2150mm热轧生产线LVC轧机为背景开展研究工作,对热轧带钢板形控制理论与控制技术、LVC轧机的控制机理进行分析,通过对现有热轧板形设定模型进行深入的理论研究,对大量现场实际生产数据的整理与总结,找出现有板形设定模型存在的缺陷,为了提高对于板形控制的精度,在板形控制的研究中结合BP神经网络的技术,以便可以研究开发出基于BP神经网络的设定模型。本文首先在以现有板形设定模型充分研究的基础上,找出影响板形控制精度的关键因素,作为BP神经网络模型的输入节点,并通过实验确定BP神经网络的最优网络结构。再次完成BP神经网络模型程序的开发,设计并制作BP神经网络模型HMI人机交互界面,以及BP神经网络模型外挂服务器与现有服务器间通讯程序的开发。引入数学模型层别的概念,对带钢进行分类,使用实际生产数据对每个层别的BP神经网络进行训练与测试,并针对训练中可能出现的陷入局部极小值问题、训练速度慢耗时长等问题,提出解决方案。最后通过实际生产数据评价BP神经网络模型的预报精度。基于BP神经网络的热轧板形设定模型投入使用后,取得了较好效果。目前已经完成训练与测试的规格已经达到常轧制规格的60%以上,弯辊力与窜辊量的预报命中标准差较原设定模型均有降低。