振动筛作为散体物料分选设备被广泛应用在工业生产的各个场景当中。提高筛分效率与处理量一直是振动筛领域研究人员的奋斗方向。但在不增大筛机整体尺寸和结构强度的前提下,筛分效率与处理量往往是相悖的两个性能指标,即单方面提高筛分效率往往会使筛分过程变得缓慢,从而导致处理量下降。为此国内外学者对振动筛的筛分机理进行详细的研究,试图探索出新的筛分性能优化方式。本文中定义了6个描述筛分中间状态筛面上颗粒分布的特征量(分层指数均值、小颗粒触筛均值、小颗粒触筛方差、小颗粒透筛均值、大颗粒透筛均值、筛分时长),较为完整地分析筛分中间状态对筛分结果的影响规律,利用数值模拟技术对直线振动筛的筛分过程进行仿真,利用梯度提升决策树算法对所得仿真数据进行建模分析。主要研究内容有:(1)在较大范围内进行筛机参数选取,并以此进行仿真实验。为后续的筛分中间状态特征量以及单位时间筛分效率的计算奠定数据基础;(2)观察筛分过程,定义筛分中间状态特征量,分析各个特征量对单位时间筛分效率的影响规律;(3)使用梯度提升决策树算法对筛分中间状态特征量与单位时间筛分效率建模,分析各个特征量的影响权重排序,以及联合影响规律;(4)使用梯度提升决策树算法对筛机参数与各个筛分中间状态特征量建模,分析筛机参数对各个筛分中间状态特征量的影响规律;(5)使用粒子群算法对所得的筛机综合数据模型进行筛机参数寻优,对所得的筛机参数组合分别进行仿真实验与实物实验,验证模型的准确性、稳定性以及有效性。最后分析验证实验组的数据,筛机数据模型预测筛分性能较优的筛机参数在较大范围内变动,而各组的筛分中间状态特征量仅在小范围内变动,且最终的单位时间筛分效率值相近,说明最优筛机参数组合并不唯一,并且多种筛机参数组合可得到相似的筛分中间状态与相近的筛分结果。