磨矿过程生产设备投资大、生产过程钢材电能消耗巨大,如何提高矿物资源利用率与磨矿过程生产效率、提高选矿厂的经济技术指标具有十分重要的研究意义。建立磨矿粒度软测量模型并对磨矿过程关键变量进行优化控制,既保证了磨矿粒度稳定在工艺要求范围内,又使球磨机、分级机等生产设备运行在最佳工作状态提高了磨矿生产效率。本文具体研究内容如下:首先,为解决磨矿粒度难以在线检测的难题,建立最小二乘支持向量机的磨矿粒度软测量模型,采用灰狼优化算法对最小二乘支持向量机的惩罚系数和核函数参数进行迭代寻优。针对传统灰狼优化算法求解精度不高、后期收敛速度慢、局部搜索能力弱的缺点,采用对立学习策略初始化种群、非线性收敛因子、自适应位置更新与引入高斯变异进行改进。仿真实验结果表明:该软测量模型能够效果较好的实现对磨矿粒度的在线检测,以便后期实时控制。其次,结合磨矿过程基础回路的特性,采用无模型自适应控制策略进行回路优化控制。在基本泛模型的基础上引入滞后时间与增加过去时刻输出量、在反馈回路中加入超前环节对无模型自适应控制进行改进,同时采用改进灰狼优化算法对控制器参数进行寻优。仿真实验结果表明:采用改进无模型自适应控制策略对磨矿过程基础回路进行控制,控制变量能够响应较快的跟踪设定值,控制系统具有良好的抗干扰能力。最后,为验证本文研究策略的可行性与有效性,在磨矿过程半实物仿真平台上进行仿真实验。将磨矿粒度软测量模型与基础回路优化控制策略应用到半实物仿真平台上,仿真实验结果表明:所提出研究策略可以将磨矿粒度控制在工艺要求范围内,具有一定的工程应用价值。