重介分选有着分选高精度、易操作、自动化便于实施的优点，因此重介选煤是我国选煤生产中的主要分选方式，是今后选煤发展的主要方向。近年来，重介选煤控制技术得到了较大的发展，但未能从根本上解决重介生产过程中所出现一些问题，如采用测灰仪反馈控制问题、分选工艺参数实时预测与智能控制问题等，严重制约了重介选煤自动化的发展。本文从控制角度出发，以重介质密度预测控制为主线，对控制过程中的数据反馈、参数给定、重介质密度控制三个环节展开研究。论文分析了测灰仪的测量原理，根据测灰仪的灰分输出公式推导过程，发现灰分误差主要与煤对放射线元素的衰减系数，煤的堆积密度、厚度有关，测量灵敏度主要与煤的质量厚度有关。结合测灰仪的实际使用现状，论文将测灰仪的输出误差归纳为由三个方面形成的，即煤质情况、煤流情况及日常维护管理,并分别针对原煤与精煤总结了测灰仪在这三个方面的输出误差哪些是系统性误差，是可控的，哪些是随机性误差，不可控的。最后得出，测灰仪的输出误差是有规律可循的，能够通过数据挖掘方法实现测灰仪输出校正。选取不同煤矿的精煤、原煤测灰仪输出数据及人工化验数据作为样本，利用LS-SVM及模糊LS-SVM算法，对样本数据进行训练，并建立测灰仪校正模型，对在线测灰仪检测数据进行校正。校正结果表明，由于模糊LS-SVM对样本引入了隶属度，改善了LS-SVM的稀疏性，提高了校正模型的稳定性，因而其对灰分的校正效果要优于LS-SVM；由于精煤特性相对比较稳定，而原煤特性比较复杂，因而精煤实际校正效果优于原煤；支持向量机的核函数参数寻优采用交叉验证法，存在参数选择的随机性、较慢的收敛速度、运行时间相对较长的缺点，因此将布谷鸟(Cuckoo Search)搜索算法与模糊LS-SVM结合，利用CS算法实现核函数参数的寻优，提高灰分仪校正的响应速度，使校正模型性能最优。分析选煤生产过程中的原煤灰分、精煤灰分、重介质悬浮液密度三种数据的变化趋势，得出精煤灰分会随着原煤灰分、重介质悬浮液密度变化而变化，且原煤对精煤灰分影响要滞后于重介质悬浮液密度对精煤灰分的影响。论文选取邢台选煤厂在线生产数据，利用Mean Completer算法补齐数据，并进行相空间重构，采用基于时间序列的多变量LS-SVM算法进行重介质悬浮液密度给定预测。针对不同的嵌入维数及样本数量，利用均方根误差来评价预测效果，最终确定嵌入维数为7，训练样本数量80为最佳模型训练参数。最终校正结果表明，未进行相空间重构的样本数据利用LS-SVM预测效果较差，而基于时间序列的LS-SVM算法预测效果较好，密度给定预测数据与实际数据变化趋势一致，误差较小。论文详细介绍了重介分选的工艺流程，通过对重介质密度调节过程的分析，根据合介桶中悬浮液的输入与输出量的变化关系，以合介桶中悬浮液的体积平衡与介质平衡，推导出重介质密度控制系统的传递矩阵形式。通过实验建模法，最终得到了重介质密度控制系统的过程传递函数矩阵参数。计算该过程传递函数矩阵的相对增益为0.69，表明重介质密度与液位控制系统是一个强耦合的多变量大滞后控制系统，必须实现解耦控制。将前馈解耦算法与GPC算法结合，设计解耦控制器，对重介质悬浮液密度与液位控制系统进行解耦控制，仿真结果表明基于前馈解耦的GPC算法在模型匹配时控制效果较好，在密度输出干扰与液位输出干扰的情况下，仍然保证系统的稳定输出，但在模型失配时，系统稳定性变差，甚至不能保持输出稳定。为解决模型失配问题，提出利用参数自校正GPC算法实现对重介质悬浮液密度与液位系统进行解耦控制，算法中为消除耦合影响，在计算子系统的控制增量过程中，用另一子系统的上一时刻控制增量来代替当前时刻的控制增量来消除两个子系统的耦合关系。仿真结果表明，多变量的参数自校正GPC算法对悬浮液密度与液位的解耦控制效果好，有较强的抗干扰能力，当模型失配时，仍能保持系统输出的稳定。但在具有参数自校正的多变量GPC算法中，要求控制增量U，必须求解逆矩阵，增加了系统的计算量，使系统的工作效率降低，为减少在线计算量，提高实时性，对控制增量进行约束处理，能够避免求解逆矩阵，系统响应快，同时通过控制增量的约束处理，能够达到抑制超调，提高系统跟踪速度的目的。配置数据通信软件rslinx，利用VB调用OPC动态链接库，实现了VB与AB PLC的数据交互；同时利用MATLAB将LS-SVM及GPC相关子函数编译成动态链接库，通过VB调用相关函数，完成预测算法的实施，并最终设计了重介质密度预测控制系统软件。