我国稀土储量居世界首位，且轻、中、重稀土品种齐全。尽管我国稀土萃取分离技术达到世界先进水平，但稀土分离生产过程控制还停留在离线分析、经验调整、手动控制的水平，导致稀土分离企业生产效率低、资源消耗大、产品质量不稳定，已成为制约我国稀土工业发展的瓶颈。研究与开发出适合我国稀土萃取分离生产过程的自动化技术及系统已成为发展我国稀土工业的重大科技关键问题。本文以国家“十五”科技攻关项目“稀土萃取过程在线分析与闭环控制产业化技术(2002BA315A-4)”研究为背景，针对稀土萃取分离生产过程中元素组分含量在线检测的难题，在深入研究分析稀土萃取分离生产过程特点的基础上，将机理建模与智能建模方法相结合全面系统地开展了稀土萃取分离过程组分含量软测量方法及其应用研究。主要研究工作归纳如下： 1.综述了稀土萃取分离生产过程元素成分在线检测方法及其应用现状；稀土萃取分离过程控制技术研究及其应用现状；软测量技术及其应用研究现状。阐述了稀土萃取分离生产过程元素组分含量在线检测和自动控制的难点，指出稀土萃取分离过程组分含量软测量方法、以综合生产指标为目标的稀土萃取分离生产过程优化控制方法以及由生产管理系统和过程控制系统两层结构组成的稀土分离生产过程综合自动化系统已成为稀土分离过程自动化的发展方向。 2.从萃取分离过程的化学平衡入手，分析影响稀土萃取平衡的主要因素以及稀土萃取平衡分配模型的建模方法。以多组分稀土串级萃取分离过程为对象，应用萃取平衡分配模型和串级萃取物料平衡原理建立了稀土串级萃取平衡计算模型，提出了应用该平衡计算模型实现萃取分离过程组分含量估计的方法及难点。 3.针对稀土串级萃取平衡计算模型存在的问题，提出了基于RBF神经网络的稀土萃取分离过程组分含量软测量方法。应用该方法对实际萃取分离生产过程进行了组分含量软测量实验研究，得到泛化均方根误差RMSE=3.579和最大泛化误差MAXE=9.527，表明该方法可用于对稀土萃取分离过程组分含量进行在线估计和趋势预测，但RBF神经网络组分含量软测量模型结构和参数变化对组分含量软测量结果影响较大。 4.针对上述软测量方法的不足，将基于机理的串级萃取平衡计算模型和基于ANFIS的建模误差补偿模型相结合提出了基于混合模型的组分含量软测量方法。该方法可通过串级萃取平衡计算模型来保证组分含量软测量模型的可靠性和泛化能力，同时利用建模误差补偿模型来提高软测量精度。采用该方法和RBF神经网络软测量方法对实际萃取分离生产过程进行了比较实验研究，得到该方法的泛化均方根误差RMSE=2.315和最大泛化误差MAXE=4.509，表明该方法具有较高泛化能力和估计精度，满足稀土萃取分离过程控制要求。 5.开展基于混合模型的组分含量软测量方法在HAB萃取提钇生产过程中的应用研究。首先提出了实现稀土产品纯度、金属回收率等综合生产指标优化的稀土萃取分离过程综合自动化系统；讨论了由生产管理系统和过程控制系统两层结构组成的综合自动化系统的体系结构、功能和以萃取分离过程两端出口产品纯度为目标的优化控制策略。将组分含量混合软测量模型作为优化控制系统中监测点组分含量预报模型，通过基于案例推理技术实现稀土萃取分离过程中料液、萃取剂、洗涤液流量的优化设定控制。该综合自动化系统应用于某公司HAB萃取提钇生产过程，保证了第一段钇产品纯度≥99.5％，非钇中钇含量≤0.5％；钇金属回收率提高了2.07％。实现了生产过程的优化控制、优化运行和优化管理，取得了显著的应用成效。