在冶金选矿行业中,磨矿过程是破碎工序后的一道重要工序,其作用就是将破碎后的大颗粒矿物继续研磨到合适的粒度,使得有用矿物与脉石单体解离或不同有用矿物相互单体解离,为后续选别作用提供合格粒度的矿浆。磨矿过程机理复杂,具有非线性、慢时变、大滞后、关键工艺参数无法在线实时检测等综合复杂特性,大大增加了建模难度以及计算操作量设定值的难度。在磨矿过程对产品质量、节约生产成本等方面要求不断提高的趋势下,传统的检测手段和优化方法已经无法满足目前的生产需求,二段磨矿粒度无法实时准确检测和设定值不合理的问题,在选矿行业中引起了广泛的探讨。针对以上问题,本文工作如下:（1）通过阅读大量的文献以及与球磨机生产相关的书籍,对球磨机的磨矿过程以及水力旋流器的分级原理有了一定的认识。了解了球磨机磨矿过程以及水力旋流器分级过程的机理模型,通过去生产现场与操作人员和专家进行交流,结合机理模型知识,分析了影响二段磨矿粒度的众多因素,并选择出来了建模所需要的输入量。（2）利用选矿厂中实际生产数据建立了二段磨矿粒度软测量模型,磨矿过程的干扰因素众多,导致二段磨矿粒度模型变量之间存在不确定性的问题,T-S模糊神经网络综合了模糊系统和神经网络的特点,可以处理工厂采集回来数据中的不确定性规则。针对T-S模糊神经网络常常采用随机初始化网络参数的方式,网络参数的取值会影响模型精度,本文采用PSO优化T-S模糊神经网络后件网络权值,提高T-S模糊神经网络的学习能力,进而提高模型精度。利用RBF神经网络、T-S模糊神经网络、PSO优化T-S模糊神经网络分别对二段磨矿粒度进行了建模。从三种模型进行对比的结果可以看出PSO优化T-S模糊神经网络模型预测效果最好。（3）针对目前磨机入口给矿量、给水量这两个重要的操作变量设定值依然由人为给出的问题,本文利用了遗传算法并结合上述PSO优化T-S模糊神经网络模型,对设定值进行优化。以二段磨矿粒度合格率占比最大为优化目标,以1#球磨机电流为约束条件来获取更加合理的设定值。从结果上可以看出,经过优化后的二段磨矿粒度产品的合格率明显增加,选取合适的给矿量和给水量提高了球磨机的处理量。在球磨机安全生产的情况下,保证产量质量的同时还提高了生产效率,为后续自动控制策略应用于磨矿生产过程做了准备。本文以某选矿厂赤铁矿磨矿过程中磨矿生产设备为研究对象,提出了能实时的检测出二段磨矿粒度的模型,并且以二段磨矿粒度合格率最大为优化目标,利用遗传算法决策出操作变量给矿量、给水量的最佳设定值,达到了安全生产、降低能耗、节约成本的目的,在赤铁矿磨矿过程运行优化控制领域与二段磨矿粒度建模领域提供了新思路。