冷轧薄板带是国民经济建设中重要的基础工业原料，被广泛应用在家用电器、涂镀钢板、汽车、机械和造船等行业，冷轧薄板带在轧材产量中所占的比重反映了一个国家钢铁工业的现代化水平。目前我国骨干钢铁企业轧制设备的硬件条件已经达到国际一流水平，但是冷轧薄板的质量和生产操作水平与国外相比还有很大的差距，主要是由于在制定工艺规程中混合了太多的经验因素,不能有效地利用自动控制技术；针对设备长期运行而造成的磨损、老化、疲劳等问题不能进行正确的调优处理。本文主要对薄板冷连轧工艺规程中关键工艺参数的优化问题进行了研究。厚度偏差和板形平整度是评价冷轧薄板带质量优劣的重要指标。文章结合智能控制领域中的理论，使用BP-GA算法，建立了以道次压下量和张力为输入，道次轧制厚度为目标输出的BP神经网络模型，拟合了道次压下量和张力关于轧制厚度的非线性函数并进行网络训练，最后使用遗传算法寻找最优的轧制厚度以及与之对应的道次压下量和张力，即完成该道次压下量和张力值的优化。根据某冷轧薄板生产车间提供的实时反馈数据，运用本优化方法对五个道次的压下量和张力值进行了优化，并对五个道次中的轧制压力进行预测。通过与原始工艺数据进行比较，分析了优化结果的合理性。对比优化前的数据，优化后的数据对保持板厚均匀、充分发挥连轧机组的生产能力、降低轧制能耗以及设备维护都是非常有利的。使用有限元模拟软件MSC.Marc建立五机架薄板冷连轧前两个机架的有限元模型，分别使用优化前与优化后的工艺数据进行数值模拟并对模拟的结果进行了分析。着重分析了在不同的轧制工艺参数条件下，两个道次中等效应力、等效应变、板带宽度方向上截面的形状、轧件金属的横向流动、轧件节点在厚度方向上的位移、两机架各个轧辊的弯曲变形情况以及轧制压力的横向分布。模拟的结果符合轧制规律并验证了优化的正确性。对比优化前的模拟结果，优化后的数据有助于缓解板带边部减薄，改善板形，为合理制定薄板轧制规程、进一步研究板材轧制规律提供了参考。