作为提取冶金的两大技术之一,湿法冶金是利用某种溶剂,借助化学反应,对原料中的金属进行提取和分离的冶金过程。湿法冶金具有金属回收率高,工艺灵活性大和设备简单、环境条件好、投资省、见效快和伴生成分综合回收好等优点,并且生产过程较易实现连续化和自动化,可以说湿法冶金更能适应当今矿产资源可持续发展的要求。浸出过程是湿法冶金的重要生产工序,浸出液的质量直接决定了企业最终的经济效益。尽管湿法冶金浸出过程工艺已经达到世界先进水平,但实际浸出生产过程的自动化程度却不高,目前还停留在实验室离线化验分析、人工经验调整、手动控制的水平,导致整个湿法冶金企业的生产效率低、物料消耗大、生产成本高、企业利润低。因此,在不降低浸出过程产品质量的条件下,合理分配原料消耗,进而减小原料总消耗,降低生产成本,提高经济效益成为了湿法冶金生产过程中一个亟待解决的问题,而实现湿法冶金过程关键变量的在线预测与过程优化是解决上述难题的基础。本文针对湿法冶金金氰化浸出实际生产过程中浸出率在线检测的难点,在深入分析浸出过程机理的基础上,系统地研究了浸出过程浸出率的机理建模、混合建模的理论和应用问题,利用机理建模与数据建模相结合的串行混合建模方法,全面系统地开展了湿法冶金浸出过程浸出率预测的研究。并在此基础上,针对实际浸出过程人工操作随意性大的问题,本文建立了基于串行混合模型的浸出过程优化模型,并提出了求解该优化模型的基于遗传算法和序列二次规划的混合优化方法以及解决模型失配的三种自适应实时优化策略。本文的主要研究工作归纳如下:(1)在详细分析金氰化浸出过程反应机理的基础上,建立了单级和多级金氰化浸出过程浸出率的动态机理预测模型,该模型由固相中金守恒方程、液相中金守恒方程和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。基于上述模型,搭建了有关机理模型的仿真平台,仿真分析了模型中各个输入变量对浸出率的影响关系,为后续混合模型的建立奠定了基础。(2)提出了利用串行混合建模方法建立金氰化浸出过程浸出率的混合预测模型,该混合模型由机理模型与数据模型共同组成。过程已知的部分利用机理模型(固相中金守恒方程、液相中氰离子守恒方程)加以描述,用来描述浸出过程的整体趋势,降低模型的建模难度;而实际中难以获得的机理模型未知参数(金的溶解速度、氰离子的消耗速度)用两个KPLS数据模型进行估计。考虑到实际中两个KPLS模型输出不可测,本文又提出了基于Tikhonov正则化方法的金氰化浸出过程动力学反应速度估计策略,该方法的优点是可以最大程度地降低浓度测量数据中不可避免存在的测量噪声对估计结果的影响。最后,通过工业实际应用验证了该串联型混合模型的有效性,为今后浸出过程的优化操作提供了重要的指导意义。(3)在深入分析实际浸出过程工艺要求的基础上,首先建立了符合生产实际的基于串联型混合模型的浸出过程优化模型,并提出了利用遗传算法和序列二次规划方法求解上述优化模型的优化策略。考虑到实际浸出过程的特点,即由于生产工艺、成本及测量噪声的种种限制,不可能建立与实际浸出过程完全匹配的过程模型,即模型具有一定的不确定性(参数、结构或过程扰动),本文深入研究了解决模型失配的生产决策的层次结构,分析了不同层的具体任务,并以实时优化(RTO)层为核心,提出了解决金氰化浸出过程模型失配的三类自适应实时优化策略:经典的两步法、基于输出反馈和线性—对数闸—罚函数的直接输入自适应方法和基于修正项的自适应方法,以补偿模型失配对原优化问题优化结果的影响,仿真实验验证了所提出实时优化策略的有效性,为湿法冶金全流程优化控制的顺利实施奠定了重要基础。(4)在理论研究的基础上,开发出一套湿法冶金金氰化浸出过程预测及优化操作系统软件,并将其应用到某湿法冶金精炼厂金氰化浸出工序,取得了较好的效果,从而为实现湿法冶金全流程一体优化控制技术奠定了重要基础。