球磨过程是选矿中一个十分重要的环节,它将破碎的矿石磨碎至一定细度,使有用矿物与脉石单体解离,供分级然后浮选。该过程机理复杂,具有非线性、大时滞、慢时变、关键工艺参数无法在线测量等综合复杂特性,因此,大大增加了建模的难度。本文在东北大学流程工业综合自动化国家重点实验室的国家973计划项目“复杂生产制造过程一体化控制理论与技术基础研究”课题的支持下,针对球磨过程的动态特性,研究球磨机动态模型参数估计方法,建立球磨机动态模型,促进基于模型的控制、优化方法的应用。本文的主要工作如下：(1)在球磨过程动态特性分析的基础上,建立了基于经验参数的球磨机动态模型。包括：磨机输出矿浆流量方程、磨机内矿浆体积方程、磨机内矿浆浓度方程、磨机内各个粒级质量平衡方程、磨矿动力学方程等方程。仿真实验表明建立的球磨机模型能够正确反映球磨机输出矿浆浓度、粒度分布等变量的定性特性。(2)在上述球磨机动态模型的基础上,提出了一种基于多参数灵敏度分析和混合遗传算法的球磨机动态模型参数估计方法。首先采用多参数灵敏度分析方法评价磨机动态模型中选择函数和破裂函数的7个模型参数的相对重要性。然后采用磨矿过程实际数据,利用混合遗传算法对重要的模型参数进行估计,不重要的模型参数则通过工程经验进行确定,进而得到球磨机动态模型。仿真实验得到本文方法在测试样本上的均方误差较小有较好的预报性能。进一步对混合遗传算法的估计结果进行分析,采用普适似然度不确定性估计分析模型参数的不确定性。而且本文方法能够减少需要估计的模型参数个数,进而提高参数估计算法的速度。(3)开展了实验研究。包括：球磨机入口给矿量阶跃响应实验、磨机入口给水量阶跃响应实验、原矿密度阶跃响应实验。实验结果表明球磨机输出矿浆浓度、粒度分布等变量的动态特性定性与实际过程吻合。