艾萨炉是一种结构紧凑、反应速度快、适应性强、熔炼效率高、二次能源利用好、符合环保要求的世界上较为先进的熔炼炉。艾萨铜熔炼过程是非常复杂的高温、多相的物理化学变化过程,具有多变量、非线性、强耦合、不确定等特点。配料是艾萨铜熔炼过程的紧前工序,进行配料优化获得最佳配料比,对与配料密切相关并反映炉况和产品质量的关键状态参数难以进行检测和优化,由配料和炉况变化引起的关键设备故障状态等难以预测。为了解决上述问题,实现艾萨铜熔炼过程节能降耗、提高资源和熔炼设备利用率及充分发挥熔炼过程生产潜力、提高熔炼过程的技术经济指标及工艺水平,实现企业的可持续发展,本文将结合艾萨炉的特点,围绕铜熔炼过程的配料优化,冰铜温度、冰铜品位和渣中铁硅比三个主要控制参数软测量、艾萨炉故障状态预测等关键问题开展研究。主要完成了以下研究工作:(1)针对艾萨铜熔炼过程配料优化问题,提出了基于自适应蚁群算法的艾萨铜熔炼过程配料智能优化方法,首先分析了艾萨铜熔炼过程中工艺配料特点,以成本为优化目标,综合考虑工艺、质量、库存等多约束条件,采用自适应蚁群学习算法,将配料优化问题转化为在各种约束条件下的学习建模问题,借助历史配料数据进行建模,实现配料预测与优化。艾萨铜熔炼配料实验结果表明,提出的方法能有效降低生产成本,提高配料系统的效率。(2)针对艾萨铜熔炼过程控制中冰铜品位、冰铜温度、渣中铁硅比三大参数检测时存在成本高、滞后大、实现困难等问题,提出了一种基于广义最大熵回归的自适应艾萨铜熔炼过程三大参数软测量方法。首先基于核聚类的局部线性嵌入算法对熔炼过程的输入数据进行降维预处理,然后利用隐马尔科夫模型对工况进行检测,最后结合工况检测模型建立广义最大熵自适应模型。实验表明,提出的方法不仅能明显改善误差,而且测量稳定性得到提高,能为实际生产提供有益的指导。(3)针对艾萨铜熔炼过程中由于配料和炉况波动引起关键设备发生故障,而熔池搅拌剧烈和不可视性造成炉体故障判断困难等问题提出一种融合模糊C均值聚类的特征样本核主元分析和稀疏最小二乘支持向量机(CSKPCA-SLSSVM)的故障监测方法。首先利用模糊C均值算法对采样数据进行聚类,将簇中心样本作为基向量,在此基础上提取出采样数据中的特征样本,并利用核主元分析进行降维预处理,然后基于T2和SPE统计量对艾萨炉故障进行初步识别,最后基于稀疏最小二乘支持向量机故障预测模型对初步识别结果进行细分类。实验结果表明,该方法能能快速反映整个生产过程的变化和故障,帮助监测艾萨炉情况,适合在类似工业过程中推广应用。