磨矿过程是整个选矿流程中的一个重要工艺环节,承担着为后续选别作业提供合格矿浆粒度的任务,其粒度的好坏直接影响到选矿厂产品质量、金属回收率和经济技术指标。由于磨矿粒度难以实时在线检测,且与基础控制回路输出之间存在非线性、强耦合、大时滞等复杂特性,难以用传统的检测技术和控制理论方法将磨矿粒度控制在工艺要求的范围内,因此,必须采用先进控制方法对磨矿粒度进行优化控制。首先,针对传统的磨矿粒度测量仪表检测周期长,难以满足实时检测的问题,提出了基于高斯过程的软测量方法,将自适应自然梯度法应用到对高斯过程超参数的优化过程中,构建基于自适应自然梯度法的高斯过程磨矿粒度软测量模型。仿真实验结果表明,该软测量模型预测精度高,能有效的对磨矿粒度进行实时检测。其次,采用案例推理技术和数学模型相结合的方法,综合考虑当前运行工况和粒度软测量值,自动更新基础控制回路预设定值;为了实现设定值的连续稳定控制,提出了基于模糊无模型自适应控制的基础回路优化控制方法。结果表明,该优化控制方法能够对设定值进行稳定、快速的跟踪。最后,为了验证所研究的粒度软测量方法和优化控制方法的实际可用性,设计了磨矿过程半实物仿真实验平台,主要包括:磨矿过程虚拟对象系统、虚拟执行机构与检测装置系统、过程控制系统、监控系统和优化系统。然后在该半实物仿真平台上进行仿真实验验证,验证结果表明该方法的可行性和有效性。