有色冶金生产涉及经济、国防、航天等多个部门,有色冶金热工过程操作和控制的改善对节能降耗、提高原材料利用率、改善生产环境和降低操作者劳动强度等都有着重要意义。但有色冶金过程因多变量、非线性、大时滞、各变量间强耦合、部分过程参数检测困难、生产过程有时有间歇性等因素而难于操作和控制,目前多数有色冶金热工过程的操作和控制主要靠操作者的经验,而优化的操作规则需要依靠操作者的经验给出。由于受多种因素影响,操作者提供的规则有很大的随意性;另一方面,实际生产过程中记录的大量生产数据一般作为生产运行日志而闲置,这些运行数据中隐含有系统运行规律和操作控制规则。本文研究用数据挖掘的方法,从有色冶金热工过程的生产运行数据中挖掘出系统优化操作和控制的规则,并将其用于铜锍吹炼,仿真结果证明了本文方法的可行性和实用性。本文的主要工作有:1.研究有色冶金热工过程数据挖掘的特点。有色冶金热工过程具有非线性、高维等特点,其数据多为连续量,有较强的噪声,与商业数据挖掘存在明显差异;2.在有色冶金热工过程数据挖掘中引入组件观点,以方便数据挖掘算法的比较和开发。组件观点将所有数据挖掘算法划分为任务、模型、评分函数、搜索方法和数据管理五个组件,使得由各个行业发展出的数据挖掘算法有一个统一的比较和研究框架;3.构建有色冶金热工过程数据挖掘框架,该框架由数据预处理、数据挖掘算法和对挖掘结果的评价构成,并对铜锍吹炼热工过程进行了数据挖掘。铜锍吹炼过程参数呈现多变量、非线性、大噪声的特点,本文应用几种典型的挖掘算法对其成功地进行了数据挖掘,并由此证明数据挖掘理论和技术能有效地应用于有色冶金过程优化决策,实现节能降耗的目标;4.发展了基于改进微粒群(Particle Swarm Optimization,PSO)算法的多峰优化算法。目前多峰优化问题还没有理想的算法,本文提出的算法在低维情况下简单有效;5.提出混沌微粒群优化算法。混沌运动具有遍历性和内在随机性,用混沌序列来产生PSO算法中的初始微粒,使微粒分布更加合理,从而有利于找到优化点;6.提出基于改进的微粒群算法的山峰聚类算法。与现有聚类算法相比,本文提出的算法需主观指定的参数少,聚类效果好;7.提出基于局部微粒群算法的快速山峰聚类算法。与基于微粒群算法的山峰聚类相比,在精度损失很小的情况下,该聚类算法可省去80%以上的计算工作量;8.提出基于PSO山峰聚类的离散化算法。该算法与已有离散化方法相比,需人为确定的参数少,属性值调整方便。