稀土串级萃取分离过程以产品质量为目标，因此，对系统的料液流量进行控制是生产中的重要一环，但串级萃取分离过程级数多、机理复杂，具有强非线性、时变、大滞后等特点，元素的组分含量难以在线测量，从而导致该系统的工艺操作难度大和自动控制技术难以实现。而目前的手工调整及经验控制导致企业生产效率低、资源消耗大、产品质量不稳定等不良结果。本文采用基于案例推理(Case-based reasoning，CBR)技术将稀土萃取分离过程的流量设定问题转化为案例调整、检索、复用、修改及案例库的更新和增删过程，对稀土萃取分离过程中的料液加入流量进行优化设定代替操作者的人工设定，实现稀土萃取过程的自动控制。同时针对组分含量难以在线检测的问题，利用案例推理技术对组分含量进行推理预测。基于案例推理是近年来人工智能领域中兴起的一项重要的问题求解和学习的推理技术。基于案例推理模拟人类类比思维，其推理过程往往具有人类经验推理的一些特点，它能利用过去经验中的特定知识即具体案例来解决新问题，通过寻找与之相似的历史案例，根据具体情况对相似案例解方案进行修整，然后把它应用到新问题的解决过程中。目前，对案例推理技术的研究引起了国际上许多专家学者的关注，使得CBR技术广泛应用于诸多领域，并受到越来越多的重视。论文所做的工作主要有：1、分析了案例推理技术的基本原理和相关技术，并阐述了Rough集理论的决策规则；在此基础上，提出了基于Rough集理论的案例推理。2、分析了稀土串级萃取分离过程原理和工艺流程及其流量控制方法。在分析串级萃取分离过程动态平衡模型的基础上，针对影响产品纯度的因素，设计了案例的结构。3、以流量智能优化设定控制方法为基础，开发了稀土萃取过程中流量智能控制与检测点组分含量推理预报的案例推理系统。利用该系统，根据当前工况的描述特征，经过案例推理得到有机相流量和洗涤液流量的优化设定值及检测点组分含量的预报值。4、设计了仿真验证单元，对该案例推理技术以现场采集的数据进行了测试，测试结果表明，基于Rough集理论的案例推理模型，具有较好的推理效果。