我国蕴藏着大量的低品位有色金属资源,随着国民经济的快速增长,我国工业化进程的不断推进,如何经济有效地利用这类矿产资源,对我国的可持续发展战略具有极其重要的意义。作为提取冶金的两大技术之一,湿法冶金的显著优点在于原料中有价金属综合回收程度高、有利于环境保护、生产过程较易实现连续化和自动化,因此更适合低品位矿产资源的回收利用。溶剂萃取技术简化或取消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。尽管我国湿法冶金萃取工艺达到世界先进水平,但萃取生产过程的控制还停留在离线分析、经验调整、手动控制的水平,导致整个湿法冶金企业生产效率低、资源消耗大、产品质量不稳定,已经成为制约我国湿法冶金工业发展的瓶颈。本文针对湿法冶金萃取生产过程中组分浓度在线检测的难点,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萃取过程组分浓度软测量方法及应用方面的研究。本文的主要研究工作归纳如下：1.从溶剂萃取的基本原理出发,首先简要分析了影响萃取平衡的主要因素。基于物料衡算关系,提出利用串行结构建立多级逆流萃取过程的动态机理模型。在多级逆流萃取过程模型的基础之上,又提出对分馏萃取过程进行动态建模。模型中利用数据建模方法描述萃取平衡关系,与物料平衡关系共同组成分馏萃取过程的动态机理模型。通过模型仿真,揭示了分馏萃取过程的动态特性与稳态特性,找出影响分馏萃取过程的主要因素,确定了软测量模型中的辅助变量,为软测量模型的建立奠定基础。2.针对动态机理模型在工业现场难以直接应用的难题,提出采用并行混合模型的结构建立分馏萃取过程的软测量模型。该模型由简化的机理模型与数据补偿模型并联组成,因此能够充分发挥不同建模方法的优点。模型简化的目的是减少机理模型中的不可测变量,提高模型的运算效率。补偿模型则利用过程数据弥补由于模型简化所带来的预测精度下降问题。为了建立补偿模型,还提出了一种基于PLS、模糊系统以及减聚类算法的非线性数据建模方法,该方法能够抑制过程数据中正态分布的噪声,并简化模糊系统模型的结构。通过仿真实验,验证了上述混合建模方法的有效性。3.针对过程数据通常包含有异常点的难题,提出利用鲁棒非线性建模方法建立补偿模型。由于多维数据中的异常点,很难利用传统方法将其一一剔除,为此首先提出了基于RBF网络的鲁棒非线性数据建模方法。该方法利用RBF变换将低维空间的非线性问题转化为高维空间的线性问题,再利用不同的鲁棒PLS算法进行模型参数的训练。在此基础之上,又提出了一种鲁棒KPLS算法。由于该算法采用了核方法,因此不涉及特征空间的维数,也不需要知道非线性映射的具体形式,可用于建立鲁棒补偿模型。另外,所建立的软测量模型在应用于实际工业生产过程的时候,还需要引入模型校正环节,以扩大其使用范围。因此本文提出了一种短期校正与长期校正相结合的校正策略,通过两种校正方式的交替使用,进一步提高了模型的预测精度与实用性。利用所提出的鲁棒混合建模方法以及校正策略对铜萃取过程工业现场数据进行预测,取得了满意的效果。4.针对湿法冶金萃取过程优化操作的问题,在软测量模型的基础之上,以提高产品质量和降低辅料消耗为目标,提出利用粒子群优化算法为萃取过程提供优化操作指导。以某钻湿法冶金工厂的萃取工段作为具体研究对象,由于原有生产条件自动化水平较低,因此首先需要设计基础自动化系统,采用了由执行层、控制层和管理层构成的三层体系结构。在基础自动化系统的支持下,以上述理论研究为基础,设计并开发了萃取工段的优化操作系统软件,实现了萃取过程组分浓度的软测量,并为该过程提供优化操作指导。将软件实际应用于某钴湿法冶金工厂的萃取工段,取得了较好的经济效益。