泡沫表观尺寸特征与浮选工艺之间存在密切关系,泡沫尺寸的变化能够反映浮选工况的变化甚至故障的发生,能够反馈分选信息并指导关键操作变量药剂添加量的调整,有利于优质泡沫层的形成以及整个浮选流程的优化。浮选过程对安全性和可靠性的要求很高,为保证浮选生产正常、可靠和高效地运行,需要能及时准确地发现过程中已经或者可能出现的故障并加以定位,使得研究浮选过程故障检测和诊断方法有了非常重要的意义,构成了本文研究和讨论的主要内容。针对浮选工业特点,研发的计算机视觉监测系统对大量实时图像进行泡沫分割后处理分析表明,泡沫表观尺寸分布具有明显的非高斯特性,不能简单的假设其分布为正态分布,也不能采用均值和方差等单值特征来描述,因此本文提出采用非参数估计的概率密度函数(PDF)来描述泡沫尺寸分布。为实现非参数估计PDF之间的比较,提出一种改进的核密度估计方法,设计固定基函数的方法得到权系数向量,为故障检测和诊断滤波器模型的建立奠定了基础。由于浮选系统输出的反馈信息是泡沫尺寸的PDF分布,不是单一的变量值,不同于传统的故障检测和诊断问题,因此建立一种基于输出PDF的故障检测和诊断模型。利用改进的核密度估计逼近输出PDF转化成动态权系数,进而建立时滞非线性权动态模型,提出一种浮选过程故障检测滤波器设计方法,基于线性矩阵不等式得到可行的故障检测方法。工业现场大量故障视频样本的研究结果表明该故障检测方法具有较高的准确度。深入研究浮选过程中的药剂添加量与泡沫尺寸分布及其权值之间的定性关系,设计一种基于权动态模型的浮选过程故障诊断滤波器,对浮选过程的两类故障状态加以诊断。建立线性矩阵不等式得到可行的故障诊断方法。工业故障视频样本的研究结果表明该故障诊断方法具有较高的准确度。