《中国制造2025》明确提出以大数据、云计算、人工智能为代表的信息技术成为经济增长的新引擎。选煤厂智能化尚处于起步阶段,在装备、技术、工艺和管理上还存在许多难题。全面建设智能化选煤厂是提升核心竞争力的重大战略举措,对加快推动煤炭产业转型升级、培育新的经济增长点具有重大意义。因此,本文以密度为主线贯穿全文,从灰分仪优化升级、在线密度预测、分选高精度控制、智能控制系统这四个方面,基于在线、离线数据对重选分选过程智能控制做了研究。论文分析了有源灰分仪的测量原理和监测结构,对于传统的双能γ射线灰分仪,发现其结构特点为单点式监测技术,为此将其硬件优化成多点式全截面监测,实现了被监测煤层的横截面积基本全覆盖,消除了偶然误差,提高了代表性。同时,为综合多点探测器的灰分数据时,根据多点的安装方式,煤流的分布,比较多种权重系数计算的数学方法,发现以最小二乘法计算的系数作为权重综合计算后的加权值,与化验值的符合程度最高,以此作为静态标定。后通过随机选取两班共6个生产会分数据做误差评价分析,结果表明,计算输出的灰分值优于大部分单点测灰数据,能够极大的从硬件软件上提高灰分仪精度。对改造后的灰分仪接入现场,选取系统生产时等间隔采集的一组的精煤灰分、原煤灰分、悬浮液密度数据;通过分析重介分选工艺,原煤进入系统要经过众多分选分级设备,使得同一时间采集到实时原煤信息数据、产品信息数据、悬浮液密度数据并不具有相关性,因此精煤产品灰分是跟时间有关的多变量影响结果。将时间序列LSTM的长短时记忆网络应用于密度预测模型的建立,通过确定最佳时间步数(即延时时间),隐含层层数和节点数,并跟传统无时间序列的神经网络进行了对比,结果表明,LSTM模型精度(MAPE为0.007g/cm~3)比传统BP神经网络模型精度(MAPE为0.015g/cm~3)提高了0.008个密度点。因此,可以利用LSTM建立的原煤和精煤灰分、悬浮液密度密度三者之间的神经网络模型,根据精煤所需产品灰分以及原煤灰分对悬浮密度进行在线预测。将在线密度预测结果输出设定至生产系统,为保证悬浮液能够稳定在该设定密度的允许误差内,采用效果良好的传统PID技术控制响应速度较快的泵根补水阀;着重对分流阀开度进行建模分析,并将补水阀门的开度也引入输入变量中,形成悬浮液密度、悬浮液磁性物含量、合格介质通液位、补水阀开度的4输入和分流阀开度1输出的GA-SVMR遗传支持向量回归机模型。仿真结果表明,分流阀门预测开度与现场开度可以达到几乎完全吻合,决定系数达到高达0.9960,平均误差为0.15%,高度适配现场操作。将训练好的模型嵌入系统,根据给定的预测密度等参数进行分流阀门开度的实时给定和控制。在灰分仪精度提高、密度在线预测、密度高精度控制输出基础上,提出了重介分选过程智能控制框架——双闭环智能控制系统,以数据驱动体系驱动,其中,数据驱动包含数据准备、数据挖掘和应用继承三个环节。针对选煤厂各种海量生产的数据,通过设置存储规则和采集规则完成数据准备,为数据挖掘的预测做准备。同时该系统中各种软硬件的相互通讯和数据交互,并采用iFix上位机软件和S7-300下位机编程,将系统生产过程可视化界面展示,设计了手动、自动、智能控制系统的调节模式,实现了数据驱动体系构建;最后对现场应用结果做了评价分析,表明基于数据驱动重介分选智能控制系统效果表现良好。该论文有图41幅,表19个,参考文献96篇。