论文针对会泽铅锌矿中的方铅矿、闪锌矿和黄铁矿,通过实验室浮选试验,较系统地研究矿物的可浮性和浮游速度特性,总结硫化矿浮选过程分流分速的规律性,从动力学角度进一步探讨异步浮选的技术内涵,并分别应用回归分析方法和人工智能技术对硫化矿浮选过程进行了模拟研究。通过分批浮选试验较系统地研究了方铅矿、闪锌矿和黄铁矿在无捕收剂和乙基钾黄药与乙硫氮分别作捕收剂时的可浮性和浮游速度,以及硫化钠、硝酸铅、硫酸锌、硫酸铜和氧化钙作调整剂对矿物浮选行为的影响。结果表明,采用硫酸锌作调整剂时,在pH=7.5,乙基钾黄药浓度为2.4×10-4mol/L和硫酸锌浓度为1.5×10-4mol/L的条件下,方铅矿和黄铁矿浮游性相近,而方铅矿、黄铁矿与闪锌矿浮游性差异最显著。从总体规律看,方铅矿的浮游速度较快,在浮选过程中呈现逐步降低的规律；而闪锌矿和黄铁矿的浮游速度较慢,在浮选过程中呈现先降低后升高的规律。以经典一级浮选动力学模型为基础,结合会泽铅锌硫化矿异步浮选新技术的特点,提出了矿物分速浮选模型。选择传统浮选数学模型中的经典一级模型和二级动力学模型以及本文推导的分速浮选模型,建立会泽铅锌硫化矿浮选动力学模型。结果表明,方铅矿、闪锌矿和黄铁矿分速浮选模型累计回收率拟合值与试验值之间的相关系数R2均为0.999,可见分速浮选模型可以较好地模拟方铅矿、闪锌矿和黄铁矿的浮选过程。根据积分复原法对会泽铅锌硫化矿浮选过程浮选速度常数(简称K值)的分布情况进行了分析。结果表明,绝大多数方铅矿的K值分布在0.75-1.27min-1区间内；对于闪锌矿而言,K值分布在0.83-1.33min-1区间的量较多,在其他区间分布的量较少；而黄铁矿的K值则比较均匀地分布在0-2.07min-1的区间内。应用模糊逻辑研究了粒度对会泽方铅矿浮选动力学的影响。试验表明,随着方铅矿粒度的增加,浮选累计回收率呈现先升后降的规律,而浮选速度常数则逐渐降低。方差分析表明,粒度对浮选速度常数具有显著性影响,而对浮选累计回收率的影响并不显著。仿真研究表明,基于MATLAB软件设计的模糊逻辑系统可以较好地模拟不同粒度方铅矿的浮选过程。应用模糊数学中的隶属度和隶属函数,提出了从可浮性和浮游速度两个方面综合评价会泽铅锌硫化矿浮游性的新方法,实现了矿物浮游性的量化。根据浮游性评价新方法,分析了会泽方铅矿、闪锌矿和黄铁矿在pH=7.5,乙基钾黄药浓度为2.0×10-4mol/L,硫酸锌浓度为1.5×10-4mol/L条件下的浮游性,结果表明,浮游性顺序依次是方铅矿>黄铁矿>>闪锌矿。在单矿物浮选试验基础之上,进行方铅矿-黄铁矿二元混合矿和方铅矿-闪锌矿-黄铁矿三元混合矿异步浮选试验。方铅矿-黄铁矿二元混合矿异步浮选试验表明,以乙基钾黄药作捕收剂,在“等可浮异步选铅Ⅰ”过程中上浮精矿Ⅰ以方铅矿(73.42%)为主,黄铁矿(37.50%)为辅；在“等可浮异步选铅Ⅱ”过程中上浮精矿Ⅱ以黄铁矿(51.93%)为主,方铅矿(22.95%)为辅。方铅矿-闪锌矿-黄铁矿三元混合矿异步浮选试验表明,以乙基钾黄药作捕收剂,硫酸锌作调整剂,在“等可浮异步选铅Ⅰ”过程中,方铅矿、闪锌矿和黄铁矿的浮选回收率分别为84.00%、3.48%和43.71%；在“等可浮异步选铅Ⅱ"过程中,方铅矿、闪锌矿和黄铁矿的浮选回收率分别为14.92%、5.05%和43.85%,实现了方铅矿和黄铁矿等可浮浮选以及方铅矿、黄铁矿与闪锌矿之间的异步浮选分离。分别应用回归分析方法和人工智能技术对硫化矿浮选过程进行了模拟研究。结果表明,基于SPSS的回归模型可以分析操作变量对浮选指标的影响,但预测精度较差；基于MATLAB的神经网络模型可以较好地预测硫化矿浮选指标,但并不能表达和分析操作变量与浮选指标之间的作用机理。在此基础上设计了“会泽铅锌硫化矿浮选动力学研究平台”和“会泽铅锌硫化矿分流分速浮选模拟平台”,实现了人机信息的友好交流。