矿物浮选过程中,pH值直接影响到矿浆离子组成、浮选药剂的活性、以及矿物的可浮性。不同矿石种类只有在适宜的pH环境下才能获得最优浮选指标。而pH值控制具有大时滞、强非线性,在线检测设备误差大、稳定性差等特点,给pH值控制带来了极大的挑战；实际生产中,操作工人通过离线化验pH值并手动调节药剂加入量控制矿浆酸碱度,实时性差,准确率低,药剂消耗大,工况波动频繁。因此,实时准确测量并控制矿浆pH值,对稳定浮选生产指标具有重大意义。针对锑粗选矿浆pH值难以在线控制问题,利用属性重要度方法,提取了pH关联敏感泡沫特征,研究了基于仿射传播聚类(AP)的多模型最小二乘支持向量机(LSSVM)的软测量模型。该模型通过仿射传播聚类对图像样本数据进行最优划分,并通过所建立的LSSVM子模型准确输出pH值。以此为检测手段,提出一种基于差分进化(DE)的在线支持向量回归(OSVR)矿浆pH值预测控制策略。该方法通过离线建立锑粗选矿浆pH值的预测模型,利用其在线学习能力,在线校正预测模型,增强了模型的泛化能力和准确度；在每个时刻采样点上,采用DE优化方法求解决策变量,提高优化精度的同时减少了算法求解时间,从而实现了矿浆pH值实时控制,减少了药剂损耗,提高了浮选指标。图33幅,表8个,参考文献62篇。