矿产资源在经济社会的发展中占据着很重要的地位。我国矿产资源丰富,但由于人口众多,对矿产资源的需求量很大。为了保证国民经济发展,实现国家的可持续发展战略,提高矿产资源的利用率势在必行。湿法冶金是利用化学反应,通过浸出液来提取和分离矿产中有用金属的冶金过程,其显著优点是对矿产中有价金属综合回收利用率高、过程设备相对简单、比火法冶金更能保护环境、生产过程比较容易实现自动化等,因而得到了广泛应用。浸出过程作为湿法冶金的核心操作单元,直接影响后续工序的生产质量。虽然我国湿法冶金浸出工艺处于世界先进水平,但对浸出生产过程的控制还处于经验调整、手动控制的水平,导致矿石资源利用率不高。针对这一问题,本文以某黄金冶炼厂湿法冶金生产过程为背景,在深入分析湿法冶金浸出过程特点的基础上,基于即时学习思想和最小二乘支持向量机方法建立了湿法冶金浸出过程浸出率的预测模型,进而全面系统的开展了浸出过程的优化控制研究。本文主要工作包括:1.在详细分析氰化浸出过程反应机理的基础上,建立了由固相中金守恒方程、液相中金守恒方程、液相中氰离子守恒方程以及金和氰离子的动力学反应速度模型组成的浸出过程动态机理模型。通过仿真,分析了模型中各输入变量对浸出率的影响关系,从而为后续的优化控制研究奠定了基础。2.提出了一种改进的即时学习算法:将时间有序性引入到即时学习算法学习集的选取规则中以确定系统当前工况点的建模邻域,从而提高模型精度;引入累计相似因子以提高所建模型的实时性;基于模型误差对当前工况点的模型进行修正。将所提方法应用到了湿法冶金浸出过程浸出率的预测中,并通过仿真验证了该预测模型的准确性与实时性。3.从浸出工业生产过程优化控制需求出发,建立以经济效益为目标,以氰化钠添加量为决策变量的浸出过程优化模型,并采用改进的粒子群优化方法对模型进行求解,得到稳态优化目标;将优化得到的浸出率和氰化钠添加量分别作为控制设定值和控制变量初始值,采用基于标准差分进化算法和改进差分进化算法的非线性模型预测控制方法对浸出过程进行控制研究,并从跟踪性能和抗干扰性能两个方面对比两种控制方法控制效果的优劣。通过仿真验证,证明了基于改进差分进化算法的非线性预测控制方法的控制效果更好。最后总结了论文主要工作,并对湿法冶金浸出过程建模与优化控制的进一步研究方向进行了探讨与展望。