稀土元素因具有独特的光电磁等物理特性,用其少量加入工业产品中,可使得产品的质量和性能大幅提高,具有“点石成金”的效果。目前,我国的稀土分离企业主要采用溶剂串级萃取工艺从稀土共生矿中获取单一、高纯稀土元素。该方法存在流程长、耦合强、滞后性大等特点,实现自动控制困难。市场竞争要求稀土企业必须兼顾产品质量和生产效益,而高效的检测稀土组分含量分布是实现稀土萃取工艺参数调整和自动化控制的前提条件,因此研究稀土萃取分离过程中多组分含量快速准确检测方法势在必行。本文针对有颜色特征和无颜色特征离子共存的稀土混合溶液在萃取过程中组分含量难以快速准确检测的问题,在HSI单一颜色空间和混合颜色空间条件下,对基于遗传算法优化极限学习机(GA-ELM)的稀土混合溶液多组分含量预测方法进行了研究。主要内容如下:1、采用实验对比分析法确定多组分稀土混合溶液图像特性。首先通过实验对比有颜色特征和无颜色特征的离子共存的铈镨/钕(Ce Pr/Nd)混合溶液图像与两者均具有颜色特征的镨/钕(Pr/Nd)混合溶液图像的信息,分析确定了两种稀土混合溶液图像特性差异,然后将与Pr、Nd组分含量具有较好单调性的H、S分量一阶矩作为组分含量模型的辅助变量。2、利用GA-ELM建立稀土混合溶液多组分含量模型。鉴于极限学习机(ELM)具有参数设置少、准确率高、学习速度快、泛化性能好的优点,以及ELM模型的初始权值和阈值具有不确定性的缺点。采用遗传算法(GA)对模型参数进行优化,研究建立了基于GA-ELM的Pr、Nd多元素组分含量模型,并经萃取现场数据验证了方法的有效性。3、为了弥补单一颜色空间存在的不足,研究了基于混合颜色空间的稀土萃取过程多组分含量预测方法。首先,将稀土混合溶液图像在HSI、HSV、YUV颜色空间的特征分量一阶矩进行融合,然后以融合后的颜色特征分量、相对红色分量和颜色矢量角作为辅助变量。建立了基于GA-ELM的Pr、Nd多元素组分含量模型,并经萃取现场数据测试,结果表明多组分含量模型的预测精度得到了进一步提高。综上所述,以含有颜色特征和无颜色特征离子共存的稀土萃取槽体混合溶液为研究对象。采用GA优化ELM参数的方法建立的多元素组分含量预测模型,可适用于稀土萃取过程多组分含量快速检测。