在直接浸出炼锌生产过程中,钴离子(Co2+)是净化过程中最难清除的杂质离子,且Co2+浓度是电解液的重要指标之一。若电解液中Co2+浓度不符合电解溶液的工艺要求,则这些Co2+的存在会使电解过程电流效率降低,影响产品质量,不合格的净化液需返回重新净化。本文针对砷盐净化除钴过程中Co2+浓度无法在线检测的问题,进行Co2+浓度软测量的研究,实现Co2+浓度的在线预测,为除钴过程优化控制提供指导。(1)介绍直接浸出炼锌砷盐净化除钴工艺,并对影响除钴效率的因素进行机理分析,给出Co2+浓度软测量模型的整体框架。(2)针对传统主元分析方法进行多变量异常值检测时难以确定合适的控制限问题,提出一种基于主元分析与贝叶斯分类的异常值在线检测方法。首先对正常过程下采集的数据进行主元分析,计算样本数据的Q统计量；接着,利用先验知识和基于滑窗技术更新样本数据,采用贝叶斯分类方法对Q统计量进行分类,判断当前样本数据属于正常信号还是干扰信号；若为干扰信号,则进一步判断该值为异常值还是过程变化引起的,从而实现对过程数据的异常值在线检测。(3)根据钴沉淀反应特点,建立Co2+浓度的机理模型,采用核偏最小二乘(KPLS)算法辨识机理模型中的未知参数,从而获得基于机理和KPLS的Co2+浓度软测量模型。(4)根据所建立的软测量模型特点,提出一种双向递归KPLS模型参数更新和滤波修正相结合的模型在线校正方法,提高软测量模型精度。采用现场检测数据进行模型验证,结果表明：本文所建立的Co2+农度软测量模型跟踪效果好、预测精度高,同时,能有效识别生产过程中的异常值情况,满足现场工艺的检测要求,能为生产过程的尤化控制提供操作指导。图23幅,表5个,参考文献77篇。