氧化铝浓度是铝电解过程中极其重要的参数,它是制定电解槽下料间隔的重要依据,影响着铝电解槽的物料平衡。由于铝电解槽存在高温、强磁场、强腐蚀等特性,使得氧化铝浓度无法在线检测,严重影响铝电解过程的控制。为此,本文研究基于LSSVM的铝电解过程氧化铝浓度与其它工艺参数之间的关系模型,以实现氧化铝浓度的在线估计。论文首先分析了铝电解过程的工艺机理及影响氧化铝浓度的主要因素。针对氧化铝下料-溶解-消耗过程的特点,着重讨论了氧化铝浓度与槽电阻及槽电阻斜率之间的关系。针对电解槽槽状态表述困难的问题,通过对槽电压信号进行小波包分解和重构,提取了电压特征信号,并利用所提取的信号,有效地表述了电解槽槽状态。分析了铝电解过程数据的特点,在对数据进行预处理的基础上,选取了氧化铝软测量模型的辅助变量。针对最小二乘支持向量机中超参数的取值影响其精度及泛化能力的问题,本文采用人工蜂群算法优化选取LSSVM的超参数。由于人工蜂群算法容易陷入局部最优,论文采用混沌搜索策略替代人工蜂群算法中获得新食物源的方法,改进了人工蜂群算法,仿真结果说明了改进算法的有效性。利用改进的人工蜂群算法优化LSSVM的超参数,建立了氧化铝浓度的软测量模型。工业现场运行数据验证了本文所建立的软测量模型具有较高的精度和泛化能力,能实现氧化铝浓度的在线估计,为电解铝过程的控制创造了条件。图28幅,表11个,参考文献61篇。