社会高速发展,大数据时代到来,深度学习已成为人工智能和机器学习领域一大热点,无监督特征学习更是展现出强大的潜力,利用深度结构来挖掘深层结构和其隐含特征。聚类技术同样在深度学习领域中炙手可热,又是一种无监督学习方法,引来大批学者深入研究。磨矿是在选矿厂甄选优质矿石的关键一步,半自磨机是SABC流程的重要组成,半自磨机具备变量多、非线性、耦合性强、滞后性大、时变性等特点,传统的操作模式主要依赖高级技术工人经验进行判断,检测不到位、判断不及时很容易造成生产问题和安全事故。通过应用深度学习模型和改进过FCM(模糊聚类)的聚类算法对实验数据分析。实验数据来自某矿山2016年4月份的运行数据,采集的数据时段被细分若干个小计算时段,数据类型包括半自磨机功率,磨音,轴压,磨矿浓度等126组变量。经过聚类分析,以现场高级技术工人经验做对比,找出半自磨机工作时功率,磨音,轴压,磨矿浓度,给矿量之间的关系,对现场操作进行指导,形成专家控制规则,代替人工控制去促进半自磨机以最优的运行状态运作,提高选矿厂经济效益,给企业带来良好收益的同时,也推动矿业产业的发展。