近十多年来,我国的工业发展取得了长足的进步,其中冶金工业的发展,对国家经济、社会的快速成长和国防科技建设的提升起到了极大的促进作用。氧化铝作为生产金属铝的原料,在铝冶炼工业中具有举足轻重的地位。目前,拜耳法是我国生产氧化铝所采用的主要方法之一,在该工艺过程中,氧化铝焙烧过程是影响氧化铝质量、生产能耗和生产成本的重要工段之一。利用智能化方法对焙烧过程进行建模,利用合适的算法进行焙烧的参数优化和控制研究是氧化铝生产工业技术创新的一个方向,是提高氧化铝质量的有效途径。本文以气态悬浮焙烧炉工艺为基础,采用改进粒子群(PSO)优化极限学习机算法(ELM)对氧化铝焙烧进行预测建模,利用遗传算法(GA)完成氧化铝焙烧工况参数的优化,设计基于DCS的氧化铝焙烧过程控制系统,通过BP神经网络PID控制器实现焙烧关键参数的精确控制,主要内容有:(1)针对焙烧过程建模困难的问题,分别采用BP神经网络、标准ELM和改进PSO优化ELM建立焙烧温度预测模型,对比发现,采用改进PSO优化方法相较于BPNN和标准ELM方法,在预测精度和泛化性能方面均有明显优势。(2)针对焙烧过程参数耦合严重,工况波动频繁的问题,利用遗传算法,建立氧化铝焙烧工况优化模型。以实际生产正常工况状态下焙烧温度稳定值(1070℃)为控制目标,寻找对焙烧温度影响较大的操作参数在技术指标范围内的最优组合,并以此为基础,建立优化工况数据库,在生产过程中,控制系统根据监控到的焙烧温度与设定值之间的偏差,从优化工况数据库中寻找最优工况组合,指导对应控制变量的实时调整,使得生产过程处于最优状态,避免人工设定的主观性和生产过程的误操作,减少不必要的能耗,稳定焙烧温度,提高氧化铝质量。(3)针对氧化铝焙烧过程自动化水平不足、生产和管理工作不完善的现状,设计基于DCS的氧化铝焙烧过程控制系统。采用BP神经网络PID控制器实现过程操作参数控制,以及生产过程的监控,合理配置生产资料,以提高生产效率,降低企业生产成本。(4)以氧化铝焙烧温度为例,设计氧化铝焙烧过程优化控制系统。在高级过程控制系统仿真平台上构建对象模型、虚拟执行机构、基础控制回路,进行仿真实验,结果表明系统可以很好的跟踪焙烧温度的设定值,验证了控制系统的可行性。