澄清过程是亚硫酸法制糖非常重要的一个环节,其工艺指标是否满足生产要求影响着糖厂产品质量的好坏以及经济效益的高低。目前糖厂澄清过程的生产中工艺指标还难以全部在线获取,清汁色值等部分指标还需通过离线化验、人工分析来获得,而关键操作变量设定值的给定以及当生产工况发生变化时关键操作变量的设定值调整均是由现场操作工人根据经验人工给出；正是由于存在着上述这些离线指标化验滞后时间长和关键操作变量设定值人工调整随意性大的问题,澄清过程的生产过程中经常存在着控制器的操作变量设定值无法跟随工况的变化而实时调整的问题,导致生产工艺指标难以稳定在期望目标范围之内,造成生产过程的不稳定,严重影响成品糖的产量和质量。因此,研究亚硫酸法糖厂澄清过程工艺指标的预测和操作变量设定值的优化问题,对澄清过程的操作进行优化指导,对提高糖厂经济效益有着非常重要的意义。本文首先论述了糖厂澄清过程工艺指标预测建模以及优化的现状,并对多目标优化和案例推理方法作了介绍。接着详细地说明了亚硫酸法澄清过程的工艺流程和控制需求；介绍了WNN(小波神经网络)的网络结构和训练算法。然后利用糖厂澄清过程生产的离线和在线数据,分别采用WNN和BP网络建立了澄清过程工艺指标预测模型,并对两种模型的性能进行了比较分析。随后提出了澄清过程操作优化的策略,采用多目标粒子群优化算法求解以往生产过程中典型工况的优化模型,计算对应工况下能使工艺指标达标的优化设定值；再采用优化的结果(优化解和对应工况)构建了优化案例库；最后把案例推理方法与监控系统集成,根据当前工况,给出关键被控变量的优化设定值。仿真结果表明,基于WNN的工艺指标预测模型具有比BP模型更高的泛化精度和更快的收敛速度。采用基于案例推理的优化设定方法,可以避免控制器设定值调整的人工主观性和随意性,对澄清过程的操作优化指导具有积极的意义,该方法同样可以推广应用到水泥制造、钢铁生产等复杂工业生产过程。