基于矿浆和泡沫是理想混合的假设条件所建立的浮选模型在工业应用中取得了有限的成功。但由于模型自身的复杂性和假设条件在工业系统中很难得到保证，因此，其应用前景有限。今年来，作为现代控制理论前沿的智能控制发展较快，为建立浮选过程非参数模型创造了条件。 本文件人工神经元网络技术引入浮选建模过程中，在研究方法上突破了传统了思维方式的限制，将信息技术和智能优化方法与浮选工艺的研究有机的结合起来。 本文以铅锌矿石工业浮选铅粗选为例利用ANN网络建立了矿石性质与药剂用量之间的关系模型，并在实验室进行了仿真试验，仿真结果表明：模型的输出能够以较高的精度逼近样本数据，具有一定的实用价值。本文基于上述模型开发了可供实验室开路试验用的“浮选药剂咨询系统”。 本文试用ANN网络建立了矿石性质、药剂用量和浮选技术指标之间的关系模型，并在实验室进行了仿真试验，仿真结果表明：模型的输出能够以较高的精度逼近样本数据，具有一定的实用价值。本文基于上述模型开发了可供实验室开路试验用的“浮选指标预测系统”。