近年来国家基础设施建设大幅增长，钢材市场特别是高附加值钢材市场发展迅猛，这对热轧板带产品的质量提出了更高要求。仿真技术通过优化模型和控制方法，更准确地控制产品物理参数，避免了设备改造对生产的负面影响，同时提高了产品质量和附加值。钢铁企业中，温度是影响热轧产品质量最为重要的因素之一，它决定了钢材的微观组织性能和宏观力学性能。本文设计并实现了某钢厂精轧机组温度仿真系统。 热轧生产中，带钢特别是厚带钢，其表面温度和中心温度不一样，现场模型忽略了厚度对带钢温度的影响，而差分模型充分考虑了该影响。通过消化现场温度控制系统和差分数值计算原理，用差分模型改造现有温降模型，推导出了空冷温降，水冷温降，轧制温升和传导温降的差分温降公式，同时细化了精轧过程的物性参数，采用了模块化的程序设计方法，在MATLAB平台下实现了精轧温度仿真系统。在精轧温度仿真系统的研究中，发现水冷系数是影响终轧温度的重要参数，而水冷系数受到很多因素的影响，且高度非线性。为了进一步提高温度仿真的精度，基于现场温度仿真系统，应用了神经网络来预测水冷温降模型中的水冷换热系数，而这恰好是经典传热学公式很难解决的部分，利用神经网络黑箱模式的学习功能来解决这类问题是一个很好的尝试。 仿真结果显示了差分模型与现场模型的结合提高了精轧出口温度的预测精度，同时，在一定范围内神经网络能够提高仿真的精度，达到了预期的效果。另外，对于预报温度与实际温度只有稳定静差的带钢，加入了简单自适应控制，比较显著地提高了带钢温度预测的精度。