“中国智造”的提出,对煤矿企业的发展提出了新的要求。目前多数煤矿企业已经实现机械化生产,但是为了顺应时代进步的需要,煤矿企业还需从多维度入手,进一步提高生产自动化、智能化程度。选煤厂在煤炭生产过程中承担着洗选的工作,选煤厂实现智能化生产对于整个煤矿企业有着重要意义。煤泥水处理作为整个洗选流程中重要的一步,关系洗选循环水的质量,影响选煤厂生产效率以及产品质量。浓缩是当前煤泥水处理的主流方式,浓缩过程就是一个固液分离的过程,煤泥水中含有大量不溶水颗粒和极细煤泥颗粒,为加速煤泥水不溶水颗粒沉降速度以及促进极细煤泥颗粒的有效沉降,在煤泥水中添加辅助药剂,絮凝剂和凝聚剂,药剂的合理添加极大的影响着浓缩效果。本文以贺西选煤厂为研究背景展开研究,该厂缺乏有效的监测手段,岗位工人目测溢流水浊度调节药剂添加量,造成药剂浪费增加生产成本,导致溢流水浊度不稳定不能满足选煤厂对于循环水的要求,针对以上问题,提出了浓缩过程智能加药系统的研究。本文分析了浓缩过程的各种影响因素,作为一个典型的物化反应过程,是一个多线性、大滞后的过程,无法建立准确的数学模型。因此,本文采用前馈+后馈的控制策略,前馈部分,首先建立Lssvm预测模型,利用多目标粒子群算法进行寻优,得出最佳的药剂添加量。反馈部分,利用污泥界面仪测量浓缩池煤泥层的厚度,反应煤泥粒沉降速度,作为反馈输入对药剂添加量进行修正。本文详细介绍了Lssvm算法和Mopso算法的原理,根据浓缩过程影响因素之间的相关性,建立基于Lssvm的预测模型,采集现场的数据训练模型并对模型的精度进行了测试,引入药剂成本函数建立优化模型,根据现场工况条件确立约束条件,选定Mopso算法对优化模型进行寻优,在计算机上进行仿真实验,验证算法的可行性。本系统在原有系统的基础上进行改造,原系统采用的可编程控制器为西门子s7-200,故本系统同样采用s7-200,控制系统结构为主从站式,以原有的系统作为从站,新加的plc为主站,上位机采用研华ACP400,利用Matlab搭建Lssvm预测模型,并进行基于Mopso算法的寻优运算,Matlab与组态王之间的通讯方式采用的opc通讯。现场控制器收集各个传感器的数据,通过以太网上传到上位机,在上位机中进行储存并进行寻优,得到最优的药剂添加量,回传到控制器,控制器控制执行机构动作调整药剂添加量,污泥界面仪检测到沉积煤泥厚度作为反馈值调整药剂添加量,提高系统稳定性。整个系统以贺西矿选煤厂作为工业性实验场地,系统在试运行阶段,稳定可靠,对比系统改造前后的生产数据,药剂损耗量有所降低,吨煤泥PAC消耗降低（4.91%）,吨煤泥PAM消耗降低了（5.39%）,循环水的浊度控制在（1000～2000mg/L）的范围,满足新标准B/T 35051-2018选煤厂洗水闭路循环等级的要求,同时对于压滤工序也有一定的促进作用,滤饼水分明显降低,表明系统试运行阶段生产稳定表现良好,保证了选煤厂生产的需要,降低了药剂消耗量,降低选煤厂生产成本提高经济效益。