随着钢铁行业的迅速发展，铁矿石的需求量也在迅猛增加，因此铁矿石资源的高效利用是我国长期面临及需要解决的关键问题。选矿是铁矿石资源加工过程中不可或缺的一个组成部分，在矿物生产过程中起着重要的作用，目前应用最广泛的一种选矿方法是泡沫浮选法。
　　本文以某烧结厂选矿车间常规反浮选为研究背景，浮选过程是一个复杂的物理化学反应，难以建立机理模型，并且现场主要是针对含磁铁矿、赤铁矿的难选矿石进行选别，矿石品位频繁波动，基础设施相对落后、自动化技术相对较低，基本上以人工经验调整的方式进行浮选药剂用量的控制。利用案例推理方法建立了浮选药剂用量模型，以工况条件和工艺指标目标值作为案例描述，以各个浮选药剂的用量作为案例解，通过案例检索、案例重用得到了当前工况对应的案例解，即各个浮选药剂的用量，同时设定了案例修正和案例存储过程。
　　由于当前工况与案例库中的案例通常情况下有一定的差别，直接使用检索到的案例解作为当前工况的案例解具有一定的误差。采用BP神经网络方法建立了增量补偿模型，将基于案例推理的浮选药剂用量模型和增量补偿模型相结合，对检索到的案例解进行了补偿，得到了各个浮选药剂的用量，进一步提高了模型的准确性。
　　为了便于现场操作人员的使用，搭建了软件平台，设计了浮选生产操作优化系统，开发了简单易操作的人机交互界面。将优化系统应用到了现场实际生产中，通过优化系统得出了合理的浮选药剂用量，保证了精矿品位和尾矿品位稳定在工艺指标目标值范围内，同时提高了精矿品位、降低了尾矿品位，取得了可观的经济效益。