拜耳法生产氧化铝主要是用苛性碱和铝土矿中的氧化铝反应,生成铝酸钠溶液,再经过分解、蒸发、焙烧等工序得到成品氧化铝。铝酸钠溶液几乎贯穿整个氧化铝生产过程,准确测量其组分浓度(主要是苛性碱浓度CK、氧化铝浓度CA和碳酸碱浓度CC),对于控制原矿浆制备工序的液固比,提高原矿浆配料的合格率具有重要作用。除此之外,对于控制其它工序的工艺指标,比如溶出工序的苛性比和溶出率、分解工序的分解率等也具有重要意义。由于铝酸钠溶液组分浓度难以实时在线检测,氧化铝厂只能通过人工定时采样,化验室滴定分析的方法。这种方法不仅操作繁复、化验成本高,而且存在较大的测量滞后,严重影响了氧化铝各工序的产品质量闭环控制和优化。软测量技术是实现不易测量参数估计的有效方法,采用软测量技术对铝酸钠溶液组分浓度进行在线估计,是解决组分浓度在线检测问题的有效途径。然而,氧化铝生产过程中要检测铝酸钠溶液组分浓度的工序较多,每个工序都有自己的特点,不仅可测的过程变量不同,还包括其它工序不定期返回的溶液,不确定因素较多,相互之间较难借鉴。为了避免分别研究各个工序的铝酸钠溶液组分浓度检测问题,有必要研究一种通用的、适用于氧化铝生产过程各个工序的铝酸钠溶液组分浓度软测量方法。通过对铝酸钠溶液的特性分析,确定采用温度和电导率作为辅助变量对铝酸钠溶液组分浓度进行软测量。然而,组分浓度与温度和电导率之间存在复杂的非线性关系,难以建立精确的数学模型。软测量模型的输入变量,即温度和电导率之间存在近似线性关系,需要进行去除共线性处理。并且此刻组分浓度与过去时刻存在一定的动态关联,且关系未知,这些都为建立铝酸钠溶液组分浓度软测量模型增加了难度。本文依托国家高技术研究发展计划(863计划)项目(编号：2006AA040307)子课题“铝酸钠溶液组分浓度在线检测”,针对氧化铝生产过程铝酸钠溶液组分浓度难以在线检测的问题,以实现苛性碱、氧化铝和碳酸碱三种组分浓度的在线检测为目标,主要开展了以下研究工作：(1)针对工业过程数据中离群点的存在对软测量模型精度的不利影响,提出一种基于模糊聚类的改进Fast-MCD (Fast-Minimum Covariance Determinant Estimator)数据预处理方法。采用这种方法对用来建模的温度和电导率数据进行分析,识别数据中的离群点,为下一步铝酸钠溶液组分浓度软测量建模奠定基础,提供可靠的建模数据。(2)针对组分浓度与温度和电导率之间存在复杂的非线性关系,结合此刻组分浓度与过去时刻存在动态关联的特点,提出一种基于数据驱动的HRNNPLS (Hammerstein Recurrent Neural Networks and Partial Least Squares)软测量建模方法。这种方法将PLS(Partial Least Squares)算法与HRNN (Hammerstein Recurrent Neural Networks)网络相结合,首先外部利用PLS算法对输入数据进行降维和去除共线性处理。然后,内部选择具有非线性动态逼近能力的HRNN网络拟合系统的非线性和动态特性,并提出了更新模型参数的稳定学习算法,保证了建模误差的有界性。以氧化铝厂实际运行数据进行了仿真实验,结果表明提出的具有稳定学习的HRNNPLS建模方法是可行有效的。(3)通过对铝酸钠溶液组分浓度机理特性的进一步分析,提出了机理分析和数据驱动相结合的铝酸钠溶液组分浓度软测量方法。首先,通过正交试验建立了苛性碱和氧化铝浓度的机理近似主模型,并采用PCA (Principal Component Analysis)与NN (Neural Networks)结合的方式,对主模型的建模误差进行补偿。针对BP算法训练神经网络收敛速度较慢的缺点,采用椭球定界算法对其进行改进,提高了收敛速度并保证了建模误差的有界性。对于难以建立机理或机理近似模型的碳酸碱浓度,考虑到它与温度、电导率和苛性碱以及氧化铝浓度有关,因此将同步聚类算法与TSK模糊模型相结合,建立了碳酸碱浓度模糊模型,并提出了参数更新稳定学习算法,保证了建模误差的有界性。以氧化铝厂实际运行数据进行了仿真实验,结果表明了混合建模方法的有效性。分别从模型的适用范围和性能方面对上述两种软测量建模方法进行了比较研究,两种方法各有优缺点。机理分析与数据驱动相结合的方法由于深入考虑了铝酸钠溶液的机理特性,精度较高,且运算速度较快。(4)设计和开发了铝酸钠溶液组分浓度软测量软件系统,并将机理分析与数据驱动相结合的铝酸钠溶液组分浓度软测量模型用于中铝郑州氧化铝厂进行工业实验。实验结果表明所提混合软测量方法精度较高,满足生产工艺要求,实现了组分浓度的在线检测,对氧化铝厂具有实时指导意义。