卷取机是热连轧自动化生产中非常重要的设备,其工作性能的好坏直接影响到成品钢卷的最终品质(钢卷侧边整齐,卷得紧)和整个机组的生产节奏和效率。为保证卷取控制系统具有良好的性能,关键是要提高卷取机速度与张力控制系统的性能。本课题以工程项目为背景,建立了现代工程控制系统的整体构架与分布功能的联系,并将BP智能算法应用在其中的卷筒张力控制系统中。具体包括：1)细致研究了工业现场的卷取机控制系统组成,其中包括网络系统、PLC系统、传动系统；卷取区主要机械设备的张力及速度控制作用；卷取机控制过程状态,本文将其分为准备、正常、收尾三种状态；以及张力控制相关的典型环节,包括带尾减速控制和夹送辊配合卷筒进行张力控制。2)对卷取机张力控制的具体方法进行归纳和分析,主要包括变频系统速度/张力可选控制、张力控制方式采用最大转矩调节法、异步电机的按转子磁链定向解耦模型、转矩给定的动态实时补偿、卷径计算的程序算法。3)卷筒的张力恒定控制比较复杂,传统控制方法难以实现,因此本文提出采用BP神经网络控制,并对BP神经网络的算法进行了改进。利用算法去学习对象的典型变量样本,并反馈目标逼近值。通过此方法间接实现反馈与偏差控制,可达到使卷筒张力恒定的目的。通过仿真研究,充分证明了BP神经网络算法应用在热轧卷取机张力控制中的可行性。