由于稀土元素具有优越的物理、化学以及电学等性能,因此在军事、冶金、石油、农业等行业的应用相当广泛,并促进了相关领域技术的进步。稀土元素的萃取分离过程是一个非线性、耦合度较强、滞后严重并且工况复杂多变的长流程,简单的机理模型无法对其进行描述,也难以设计简单高效的控制器。现阶段,稀土萃取分离工业过程的自动化程度还处于比较低的状况,仍需经验丰富的操作人员凭借自身的经验对该萃取过程各流量等工艺参数进行操控进行。因此,许多稀土行业科研工作者依旧在对此进行不断的研究。本文从稀土萃取过程的运行成本和经济效益的角度出发,在综合考虑萃取过程经济性能指标和控制目标要求的前提下,采用数据驱动建模思想,设计了一种将优化设定策略与模型预测控制器相结合的方法,以保证萃取过程出口产品质量的稳定。具体研究内容如下:1、鉴于稀土萃取分离过程具有非线性、强耦合的特点,难以建立精确的萃取过程模型,提出了稀土萃取过程Elman神经网络建模方法。依据萃取现场工艺要求参数,分析各级组分含量分布并与现场采集数据相结合,建立铈镨/钕(Ce Pr/Nd)萃取过程Elman神经网络模型,为稀土萃取过程的后续研究奠定基础。2、为了提高萃取过程经济效益,本文在建立高精度的稀土萃取过程Elman神经网络模型的基础上,将洗涤剂、萃取剂等流量的消耗作为稀土萃取过程控制系统的经济性能指标,即以萃取过程的经济效益极大化为目标,通过对设定值进行优化得到系统的最优工作点,并以此为依据进行稀土萃取过程预测控制器的设计。最后,根据Ce Pr/Nd萃取过程数据验证了方法的有效性。3、针对上述稀土萃取过程预测控制器存在反馈不足的现象,结合PID控制的反馈特点和广义预测控制的预测功能,提出稀土萃取过程PI型广义预测控制策略(PI-GPC)。并通过Ce Pr/Nd萃取过程采集的数据进行仿真实验,表明改进的预测控制方法能有效的改善控制器的性能,更适用于稀土萃取工业现场,亦更具有实际工业价值。综上所述,为改善稀土萃取过程的运行控制性能,本文在采用Elman神经网络描述稀土萃取过程的基础上,设计了基于优化设定的稀土萃取过程模型控制器,针对控制器反馈不足,进一步设计了稀土萃取过程PI型广义预测控制控制器,且经试验验证了其有效性,对提高稀土萃取控制系统的经济效益具有非常重要的实际意义。