连续碳酸化分解过程是烧结法生产氧化铝的重要工序之一,其分解梯度与末槽分解率直接影响着氧化铝的产量和质量。由于碳分过程是一个复杂的工业生产过程,难以对其分解条件进行精确控制,导致碳分生产中分解率的波动较大。因此,对其生产过程建模,并进行优化,以达到稳定生产、提高产能的目的。论文首先介绍了碳分生产工艺,深入分析了影响碳分分解率的因素。由于碳分生产过程的复杂性,采用粗糙集的方法,对其生产过程进行建模。针对粗糙集属性约简算法复杂度高的情况,基于启发式约简算法,提出一种可以降低复杂度的改进算法,并结合历史生产数据,建立碳分分解率预测模型。同时,采用增量式规则提取算法对知识库进行动态更新,以适应碳分生产过程稳态工作点不断变化的工况。并以实际生产数据对该模型进行验证,证明了该预测模型的有效性。针对碳分生产中分解率波动较大导致产量不稳定的现状,在分析了分解梯度特点的基础上,采用遗传算法对分解梯度进行寻优,并对遗传算法中的算子进行改进,以提高其全局寻优能力。利用建立的分解率预测模型,将问题空间划分成子空间,并将改进的遗传算法应用于每个子空间,对分解梯度分布进行优化,最终将优化结果作为分解率模糊控制器的预设值,来控制碳分生产过程。系统运行结果表明对分解梯度分布的优化后可有效地稳定生产,提高末槽分解率,从而实现了对碳分生产过程的操作优化。