稀土电解过程中,电解槽内部包含多种复杂的物理化学变化,槽内众多参数存在不确定性且无法连续或在线测量,属于复杂的工业过程。氧化稀土作为稀土电解的原料,电解槽内氧化稀土的浓度状态关系到生产过程中电解槽内部的物料平衡,会直接影响出炉稀土金属的品质。目前,国内外多数稀土电解厂家仍采用人工手动的方式添加氧化稀土,少数厂家采用定时定点下料装置添加氧化稀土,这些下料方式未充分考虑电解槽内部氧化稀土浓度状态对电解过程的影响。本文在深入分析稀土电解工艺后,利用现场采集数据,结合BP神经网络、进化算法、模糊控制等理论知识,对稀土电解过程中电解槽内稀土氧化物浓度的控制展开研究,并通过MATLAB/Simulink软件完成仿真和验证。本文主要研究内容如下:针对氧化稀土浓度无法直接测量的现状,借鉴铝电解领域相关控制思想,定性分析槽电阻与氧化稀土浓度的关系,通过跟踪槽电阻及槽电阻变化速率间接监测电解槽内稀土氧化物的浓度状态。为此本文对槽电阻的预测展开研究,将内蒙古包头某稀土厂8000A钕电解槽现场采集所得数据经计算得到槽电阻,对槽电阻进行数据预处理,构建基于BP神经网络的槽电阻预测模型。为提升预测精度,使用思维进化算法优化BP神经网络。经过与实际槽电阻数据对比,该模型对槽电阻的预测精度为±0.3μΩ,满足设定误差精度要求。分析氧化稀土浓度、槽电阻、下料时间隔三者之间的联系,利用槽电阻监测浓度,通过调整下料间隔控制浓度,完成Mamdani型氧化稀土浓度模糊控制器的设计。利用阶跃响应法完成稀土电解槽内氧化稀土浓度模型的辨识,进而完成氧化稀土浓度模糊控制系统的仿真,并与传统PID控制系统进行对比,由仿真结果可知,本文设计的模糊控制器对氧化稀土的浓度控制具有良好的鲁棒性。氧化稀土在电解质熔盐中的溶解是种非线性过程,并且存在溶解滞后性,为进一步提升系统控制性能,将神经网络预测模块与模糊控制模块相结合,建立基于神经网络预测的氧化稀土浓度模糊控制系统,经过仿真验证,加入神经网络预测环节的氧化稀土浓度模糊控制系统比单独的模糊控制系统抗干扰能力更强,稳定性更好,响应速度更快。