由于管道化溶出技术采用间接加热方式,可显著降低氧化铝生产过程中的能耗。但是在我国一水铝石的溶出系统的应用中,结疤现象严重,导致每个生产周期中热平衡状态不断发生变化,熔盐加热温度需要不断进行调整。因此,掌握系统的热平衡与火用平衡状况,建立熔盐温度预测模型,对于进一步降低管道化溶出系统的能耗具有重要的意义。本研究以国内某企业的管道化溶出系统熔盐加热段为研究对象,在对系统进行热平衡测试的基础上,采用热力学的两种模型对系统进行了能量平衡分析,并对结疤厚度进行了拟合,建立了基于传热机理的熔盐温度预测模型。为进一步提高模型的预测精度,以Matlab7.0.1为平台,利用神经网络工具箱,建立了基于主成分分析法的多神经网络集的熔盐温度预测模型。本文的主要成果与结论有:1.热力学计算表明:管道化溶出系统熔盐加热段的具有高的热效率与火用效率,分别为99.4%、85%。随着系统的运行,系统热效率降低较少,但系统火用效率降低较多。传热火用损是系统火用损失的主要组成部分。因此,降低过大的温差,是降低火用损的主要途径。2.基于传热学原理,根据测试数据,计算了管道结疤的厚度。结果表明在高温段的结疤厚度要远大于低温段的厚度。同时根据结疤厚度随时间变化的拟合曲线,建立了熔盐温度的预测模型。仿真结果表明该模型的预测结果精度较低。3.对数据进行了平滑、主成分分析(PCA)与归一化等预处理。通过主成分分析方法,对管道化溶出系统中13个变量进行了重新组合,确定了8个新的变量,为神经网络的建立提供了基础。4.针对不同周期之间的熔盐升温规律不一样的特点,以熔盐的初始温度作为划分子网络的依据,应用BP神经网络集的方法,建立了包含三个子网络的管道化溶出系统熔盐温度预测模型。5.应用不同工况下的生产数据,对基于神经网络的熔盐温度预测模型进行了检验。结果表明该模型绝对误差不超过±5℃的预测值达到85%以上。其预测准确度明显高于传热模型。同时仿真结果表明:根据该模型对熔盐温度实现优化控制,一个周期可节约大约28.7GJ的热量。因此,熔盐温度预测模型有助于挖潜氧化铝系统的节能潜力。