针铁矿法沉铁过程出口Fe2+浓度是生产中最重要的工艺指标。由于Fe2+浓度无法在线检测,而且沉铁过程具有很强的非线性、多变量、时滞等特点,从而造成针铁矿法沉铁过程Fe2+浓度的稳定控制非常困难。论文研究针对针铁矿法沉铁过程的特点,研究基于最小二乘支持向量机(LSSVM)及粒子群优化算法(PSO)的沉铁过程Fe2+浓度非线性预测控制,主要研究内容包括:(1)论文介绍了针铁矿法沉铁过程的工艺机理,分析了影响出口Fe2+浓度的主要因素,采用LSSVM,建立了出口Fe2+浓度的预测模型。基于生产现场收集的工业运行数据,应用一种自适应搜索技术,优化了LSSVM模型中的关键参数,工业运行数据验证了LSSVM模型具有较高的精度。(2)非线性预测控制律的求解是一个非线性约束优化问题,传统的基于偏导数的优化方法难以求解。为此,论文提出了基于PSO算法的非线性预测控制滚动优化方法。针对PSO算法易于陷入局部最小的问题,论文提出了基于Tent映射的动态权重混沌粒子群优化算法,提高了PSO算法的寻优能力,并通过若干测试函数验证了所提出算法的有效性。(3)提出了基于LSSVM和PSO的沉铁过程Fe2+浓度的非线性预测控制策略。仿真结果说明了所提出的预测控制方法能实现Fe2+浓度的稳定控制,对实际生产具有较好的指导意义。图26幅,表6个,公式76个,参考文献64篇。