随着我国工业化进程的不断推进,我国有色金属富矿资源日趋枯竭,如何经济有效的利用低品位复杂有色金属矿石资源对我国的可持续发展意义重大。现代的湿法冶金作为两大主要金属冶炼提取技术之一,其显著优点在于原料中有价金属综合回收程度高,更适合低品位矿产资源的回收利用。浸出过程是湿法冶金核心的操作单元。尽管我国湿法冶金浸出工艺达到世界先进水平,但浸出生产过程的控制还停留在离线分析、经验调整、手动控制的水平,导致整个湿法冶金企业生产效率低、资源消耗大、产品质量不稳定。因此建立浸出过程准确的模型来预测浸出率与优化浸出操作变量就成为了进一步实现湿法冶金自动化生产的当务之急。本文针对山东某黄金精炼厂的湿法冶金浸出实际生产过程,通过深入分析浸出生产过程的特点,建立了浸出率的预报模型,并在其基础上,以生产成本最低为目标,对氰化物添加量的优化进行了探讨,主要研究工作归纳如下：1.根据浸出过程的基本原理,研究以氰化钠为浸出剂的金的浸出过程。基于物料及能量平衡关系,建立了该过程的机理模型,并通过实验仿真,证明了机理模型的有效性。该机理模型为混合模型与优化模型的建立奠定了基础。2.基于混合建模思想,提出了由机理模型与数据补偿模型构成的湿法冶金浸出过程的混合模型。机理模型描述了浸出过程的基本特性,数据模型采用基于遗传算法的神经网络对未建模部分进行误差补偿。通过仿真实验,验证了上述混合建模方法的有效性。3.以经济效益为目标,建立了浸出过程操作变量优化模型,并采用遗传粒子群方法对模型进行优化求解。通过仿真实验,证明了优化方法的有效性。4.以山东某黄金精炼厂湿法冶金全流程智能综合控制系统项目为背景,设计开发了浸出过程优化控制平台,实现了基于实际生产数据的浸出过程浸出率在线预测,并且能够为浸出过程提供优化操作指导。