随着资源贫化、环保及一些高新技术对冶金材料的需求,湿法冶金在金属及其化合物制备、分离与提纯,原料中有价金属的回收和再生以及防止环境污染等方面,发挥了重要作用,并得到快速发展和广泛应用。合成过程是湿法冶金生产中重要的分离净化和金属化合物制备的单元操作,它具有操作简单、成本低、投资少的优点。尽管湿法冶金合成过程工艺达到世界先进水平,但合成生产过程的控制还停留在操作人员根据质量指标离线化验值,凭经验调整、手动控制的水平,导致湿法冶金生产企业生产效率低、生产成本高、产品质量差、资源消耗大。因此,在保证合成过程产品质量的前提下,减小原料消耗,降低生产成本,提高经济效益成为了湿法冶金生产过程中一个亟待解决的问题,而实现湿法冶金过程关键变量在线检测与优化控制是解决这一难题的基础。本文针对湿法冶金合成生产过程中产品粒度在线检测与优化控制的难点,在深入分析湿法冶金合成生产过程特点的基础上,首先利用机理建模与数据建模相结合的混合建模方法实现湿法冶金合成过程产品粒度的软测量,在此基础上研究合成过程集成优化控制策略,实现湿法冶金合成过程的优化运行。本文的主要研究工作归纳如下：1.从合成过程的基本原理出发,基于物料衡算以及粒数衡算关系,建立湿法冶金合成过程动态机理模型。通过模型仿真分析,研究了合成过程的动态特性,分析了影响合成过程的主要因素,确定了合成过程产品粒度软测量模型的辅助变量,为软测量模型的建立奠定了基础。2.针对动态机理模型在工业现场难以直接应用以及过程数据通常包含异常点的难题,提出基于并行混合模型结构的合成过程鲁棒软测量模型。该模型由简化机理模型与鲁棒数据补偿模型并联组成,因此能够充分利用二者的优点。机理模型的简化可以减少模型中不可测变量,提高模型运算效率。鲁棒补偿模型则利用过程数据弥补由于模型简化所带来的预测精度下降问题。为了建立鲁棒补偿模型,提出了基于鲁棒学习算法的鲁棒LSSVR方法。该方法首先利用LSSVR方法对过程输出进行预测,得到预测误差；然后利用鲁棒学习方法训练LSSVR模型的权值,建立鲁棒LSSVR模型。通过仿真实验,验证了上述混合模型的有效性。3.针对基于历史数据离线建立的软测量模型难以适应过程变化的难题,提出基于模型性能评价的智能校正方法。该方法首先利用高斯混合模型描述软测量模型的误差分布特征,并且构造误差分布的统计量用来进行软测量模型性能评价,然后基于模型评价结果进行合适的模型校正,主要包括短期校正和长期校正。模型性能的评价提高了模型校正的目的性和针对性,解决了盲目校正的问题。利用所提出的鲁棒混合模型以及模型校正策略对草酸钴合成过程工业现场数据进行预测,取得了满意效果。4.针对湿法冶金合成过程优化控制的难题,在软测量模型的基础上,提出基于混合模型的合成过程集成优化控制策略。该控制策略由批次间优化控制与批次内优化控制组成,一方面,批次间优化控制策略充分利用合成过程的间歇重复的特性,根据之前批次的信息对当前批次的操作变量进行调整,以克服模型误差及批次间未知扰动的影响,使产品质量逐渐接近目标值；另一方面,批次内优化控制策略利用当前批次的当前时刻之前时间段的信息对当前批次的当前时刻之后时间段的操作变量进行调整,以克服批次内的未知扰动的影响,使当前批次的产品质量接近目标值。从而两种控制策略的有效集成可以充分发挥二者各自的优点,实现湿法冶金合成过程的优化运行。通过仿真实验,验证了上述控制策略的有效性。5.结合前面提出的软测量建模和集成优化控制方法,设计并开发了合成过程预测与优化操作系统软件,实现了合成过程产品粒度预测,并为该过程提供优化操作指导。该软件在某湿法冶金工厂合成工段的应用,验证了其有效性。