在锌湿法冶炼逆锑盐三段净化过程中,净化Ⅱ段入口钻离子浓度对净化Ⅱ段除钴过程实时优化控制具有重要的指导作用。针对入口的钴离子浓度无法通过仪表实时在线检测而使生产发展受到限制的问题,在研究锌湿法冶炼净化技术现状以及软测量技术的发展趋势基础上,提出基于时间序列相空间重构和混合遗传算法的入口钴离子浓度神经网络软测量模型。论文首先对历史化验数据进行预处理后,根据采样间隔相同原则形成有序的钻离子浓度时间序列,通过引入混沌理论和相空间重构技术重构该序列的吸引子,来重现净化Ⅱ段入口钻离子浓度变化的动力学性态,并计算其饱和关联维数和最大Lyapunov指数,表明该序列具有混沌特征。其次,在确定钴离子浓度时间序列性质的基础上,对基于神经网络的钴离子浓度软测量建模方法进行了深入研究。神经网络在实际应用中存在容易陷入局部极值点,网络结构选择缺乏依据,初始权值选择具有很大的随机性。为此,论文采用钴离子浓度序列的延迟时间和最佳嵌入维数确定模型的训练样本,提出基于迭代局部搜索混合遗传算法(ILS-GA)优化网络的结构和学习神经网络的权值,构建软测量模型来获得当前钻离子浓度值。最后,以某冶炼企业锌湿法冶炼系统净化Ⅱ段生产过程为例,建立基于ILS-GA算法的Ⅱ段入口钴离子浓度神经网络软测量模型,以现场采集数据分别对该软测量模型与基于BP神经网络的软测量模型进行仿真实验。仿真结果表明,该方法避免了BP算法收敛速度慢,易陷入局部极值点等缺陷,提高了模型的估计精度和泛化性能。论文所做工作对净化Ⅱ段入口的钻离子浓度的在线实时测量方法的研究具有重要的参考价值。