中厚板广泛的应用到航天，船舶，桥梁等工业领域中，提高中厚板的成材率与板坯质量对钢铁企业来说可以节省能源，降低成本，直接影响企业的经济效益。中厚板的成材率与板坯质量的提高需要自动化技术的应用。通过对整个中厚板系统的嵌入式模拟与仿真，可以对影响板坯质量的因素认识清新，提高可控性，且可以缩短现场调试时间，并将先进算法应用于工业控制中具有很好的实际效益。嵌入式仿真具有实时性高，控制精度高，实现简单等优点已经被大量的应用于工业现场。　　 中厚板嵌入式多CPU仿真是基于VxWorks操作系统的工业可视化软件平台IOWORKS上，将仿真设备对象和控制对象C代码模块化。IOWORKS软件是图形化编程软件，在其平台上的代码需要下载到基于VME的板卡VMIVME-7807中运行，本文以此板卡作为CPU。VMIVME-7807是基于VME总线的单板计算机，仿真精度和实时性得以保证。同时为了更直观的对仿真过程数据分析、监测，本文以VC++6.0平台做监控界面，将对象模型的输出数据实时在线仿真，从而可对对象进行监测。也将中厚板轧制过程以动画及数据实时显示方式呈现出来。　　 仿真除了软件平台外，也有硬件平台，硬件平台以VMIVME-7807板卡做CPU，RFM板卡做数据传输，而Profibus-DP板卡模拟多从站。这样软硬件平台提供了中厚板轧制过程的仿真、控制与监测平台。　　 在传统机理建模推导的基础上，提出了N4SID子系统辨识在中厚板系统仿真中的应用。由于中厚板系统是复杂的大型工业系统，轧制模型很多参数交织在一起，这样不利于系统的模块化和可控性的实现。本文建立了一些辅助模块，这样就可以将仿真对象与控制算法剥离出来，利用子系统辨识，辨识出影响对象的重要参数。利用N4SID进行实时在线辨识，在带钢跟踪中可以很好的与工业实际贴合。并利用宽度的广义预测控制算法进一步验证了N4SID子系统辨识算法进行在线辨识可行性。　　 最后本文通过软硬件平台，及控制算法对中厚板轧制过程的带钢来料参数进行了实时跟踪仿真，很好的模拟了实际工业现场。