赤铁矿混合选别浓密过程是以底流矿浆泵的频率为输入，以底流流量为内环输出，以底流浓度为外环输出的强非线性串级工业过程，受到频繁的浮选过程产生的中矿矿浆和污水的随机干扰，底流矿浆浓度外环和流量内环始终处于动态变化之中，从而使得控制器积分作用失效，内外环相互影响，使被控系统的动态性能变差，底流矿浆浓度与流量超出工艺规定的目标范围，甚至产生谐振。矿浆颗粒沉降速度和泥层高度是混合选别浓密过程的模型参数，当随机干扰过大时，浮选中矿矿浆、污水、磁选矿浆的流量和浓度变化导致模型参数未知，并呈现非线性随机变化特性。
　　本文主要完成了以下工作:
　　(1)建立混合选别浓密过程仿真模型
　　针对混合选别浓密过程进行动态特性分析，建立了混合选别浓密过程的仿真模型结构，采用由最小二乘辨识方法与神经网络估计算法组成的交替辨识算法得到被控对象的仿真模型。分别考虑了当存在大范围频繁干扰和模型参数发生未知随机变化时，采用仿真实验验证了对底流浓度和底流流量模型的建模方法，将本文采用的交替辨识算法得到的拟合效果与由机理主模型和神经网络补偿模型进行仿真对比实验，实验结果验证了本文方法的可行性和有效性。
　　(2)设计混合选别浓密过程双速率控制算法
　　当混合选别浓密过程存在大范围干扰时，本文利用提升技术，建立基于内环流量闭环动态模型的浓度外环动态模型，将基于未建模动态补偿驱动的一步最优PI控制和基于模糊推理与规则推理的切换控制相结合，提出了由浓度外环控制和流量内环控制组成的混合选别浓密过程的双速率智能切换控制算法。
　　当被控对象模型参数发生未知随机变化时，本文将上述动态特性的未知变化用已知的前一时刻未建模动态和未建模动态变化率描述，通过设计消除前一时刻未建模动态补偿信号和消除跟踪误差的补偿信号，叠加于基于确定线性模型设计的反馈控制器，提出了基于补偿信号法的自适应PI控制，采用内环闭环控制系统动态模型和提升技术，提出了双率自适应控制方法，对所提出的方法进行稳定性和收敛性分析。
　　(3)设计半实物仿真系统并进行实验研究
　　当混合选别浓密过程存在大范围频繁干扰时，采用工业现场实际数据的半实物仿真对比实验，结果表明本文所提的双速率智能切换控制算法的有效性;当该过程的模型参数发生未知随机变化时，半实物仿真对比实验结果表明，采用所提的基于补偿信号法的双速率自适应控制方法可将底流浓度、底流流量和流量变化率控制在目标值范围内。