湿法炼锌工艺是世界上锌冶炼的主要工艺,采用该工艺生产的锌占世界总产量的80%以上。净化除钴过程是湿法炼锌工艺的一个重要工序,主要通过添加锌粉置换除去硫酸锌溶液中的钴离子杂质。由于净化除钴过程机理复杂,流程长且影响因素多,特别是杂质离子浓度无法在线检测,导致过程优化控制困难,净化除钴过程锌粉消耗大。论文在分析净化除钴过程影响因素和过程信息特点的基础上,研究了基于数据的过程建模与优化控制方法,构建了过程优化控制总体结构。在过程异常数据检测、缺失数据补全的基础上,提出了基于时间序列分析的入口溶液离子浓度在线估计方法,建立了基于支持向量机的净化除钴过程工艺指标预测模型,在此基础上研究结合案例推理预设定和支持向量机补偿修正的优化控制技术,并将其成功应用于净化除钴过程的控制系统中。论文主要研究工作及创新性成果如下：(1)提出了净化过程数据预处理技术。在分析净化除钴过程异常数据产生原因的基础上,提出了基于局部平均距离和工况参数预估的数据异常检测方法。针对过程数据丢失、异常等原因造成数据缺失问题,研究了基于案例推理的缺失数据补全方法。采用工业现场过程数据进行模拟分析与验证,结果表明所提方法有效提高了过程数据质量,为基于数据的净化除钴过程建模与优化创造了条件。(2)提出了基于时间序列的入口溶液离子浓度在线估计方法。利用小波分解的方法,将离子浓度人工分析检测时间序列分解为多个子序列,通过相空间重构,在重构的子空间建立支持向量机模型。将子序列模型输出重构,实现了净化除钴入口溶液离子浓度的在线估计。其中支持向量机的参数采用混沌粒子群算法进行优化。应用工业生产数据验证的结果表明,相对误差小于10%的样本达97.5%,模型在线估计精度满足现场实际生产工艺要求,为净化除钴过程的优化控制提供了可靠信息。(3)建立了基于模糊聚类和支持向量机的工艺指标预测模型。针对净化除钻过程数据量大、过程具有很强的非线性等特点,研究了基于加权模糊聚类的分类方法,将样本空间进行分类；在分类得到的每个类中,建立了各个类的模糊支持向量机子模型,综合考虑样本数据时间域和空间域的影响,设计了一种复合模糊隶属度函数；在此基础上,将子模型输出集成,得到了过程指标预测模型的输出。其中,采用递阶粒子群算法对于属性选择和权重进行优化。研究了模型的校正方法,提高了模型的精度。现场数据实验验证了该方法的有效性。(4)提出了基于案例推理的预设定模型以及基于支持向量机的补偿模型,实现了净化除钴过程的优化控制。该方法依据在线估计模型提供的离子浓度信息,结合入口溶液流量,利用案例推理策略建立了锌粉添加量的预设定模型,有效克服了浓度、流量等因素对优化控制的影响。在此基础上,根据过程指标预测模型计算的出口离子浓度预测值与期望目标之间的偏差,建立了基于支持向量机的锌粉添加量补偿模型。实验结果表明,所提出的优化控制策略有效减少了锌粉的添加量,节约锌粉6.48%。(5)开发了净化除钴过程的优化控制系统。该系统利用OPC技术实现与现场DCS系统之间的数据通信,实现了净化除钴过程的入口溶液离子的浓度在线估计、过程工艺指标预测以及锌粉添加量操作优化等功能。此外,还实现了净化过程全流程监视、数据查询以及过程报表分析等功能。实际工业运行结果表明了该系统的有效性和可行性。