作为提取冶金的两大技术之一,湿法冶金与火法冶金相比,更适合冶炼低品位矿产资源。溶剂萃取技术简化了湿法冶金过程中大量耗资的固液分离工序,促进了湿法冶金工艺的迅速发展。目前,我国湿法冶金萃取工艺还停留在离线分析、经验调整、手动控制的水平,这些已经成为制约我国湿法冶金工业发展的瓶颈。本文在深入分析湿法冶金萃取生产过程特点的基础上,利用机理建模与数据建模相结合的混合建模方法,全面系统地开展了湿法冶金铜萃取过程的建模工作。本文的主要研究工作归纳如下:(1)详细介绍了铜萃取过程的原理和工艺流程,并根据物料平衡关系建立了铜萃取过程的动态机理模型,然后通过仿真实验,分析了影响萃余液铜离子浓度的因素;(2)提出了铜萃取过程串行混合模型,该模型由存在未知参数(平衡浓度)的机理模型与未知参数辨识模型串联组成。平衡浓度由基于最小二乘支持向量机方法(LSSVRM)的数据模型辨识得到。考虑到平衡浓度在实际中不可测,本文首先利用Tikhonov正则化方法对平衡浓度与各组输入的对应值进行估计,该方法可以最大程度地降低浓度数据的测量噪声对估计结果的影响;然后将基于最小二乘支持向量机方法的数据模型与机理模型组成串行混合模型;最后通过仿真实验对萃余液铜离子浓度进行预测,验证了所建立的混合模型的有效性;(3)由于铜萃取过程中,操作指令和调节参数的改变,或者原料质量的变化以及设备的磨损和维修,过程特性有可能发生较大的变化。为此,本文提出了基于模型性能评价的模型校正方法。首先利用高斯混合模型描述混合模型的误差分布特征,并且构造误差分布的统计量来进行混合模型性能评价;然后基于模型评价结果进行合适的模型校正;最后通过仿真实验验证了模型校正策略的有效性。