磨矿工业过程复杂,生产线上的控制变量较多,变量间的强非线性动态关系致使磨矿模型较难用精确的数学模型来描述,一般的控制方法难以对其进行控制,多数磨矿过程的控制一般需要操作员依据自身经验对控制变量进行实时调控,但由于操作员的主观经验限制、工况的复杂和边界条件的多变性,人工控制往往难以达到预期的生产指标。对磨矿过程的有效建模,有助于磨矿过程自动化生产的实现,可以避免人工控制的主观性带来的误操作,提高矿产资源的利用率,降低选矿厂的生产成本,提高产量。以选矿工业过程中的磨矿系统这一复杂过程为背景,针对磨矿系统建模问题,本文提出了一种基于子集融合与规则简约的模糊建模方法。首先根据工业数据,采用一种数据驱动的方法建立初始的磨矿过程Takagi-Sugeno模型,然后针对该模型中隶属度函数过拟合问题,提出一种基于模糊C均值聚类(Fuzzy C-means Clustering, FCM)的方法,对初始规则库中同一变量下的隶属度函数参数进行聚类,得到对不同工况具有代表性的融合后的隶属度函数,来降低建模过程过拟合的影响。最后,针对模糊集融合后规则库中出现的规则冗余问题,本文定义了冗余规则相似度,并根据该相似度,对前件相同的冗余规则进行约简,消除冗余,形成最终的泛化能力较强的离线模糊规则库。为验证本文方法的有效性,以另外几种模糊建模方法作为对比,分别采用经典数据与国内某选矿厂的实际工业数据进行实验验证。两组实验分别从模型的精度和结构方面对多种建模方法进行了对比,结果表明,本文方法较其他几种方法在精度和结构方面均体现出了一定程度的优势。最后,以本文建模方法为后台算法,开发了磨矿智能控制系统,对实际磨矿工业过程实现自动化控制。