摘要：加药量作为锑粗选过程的一个重要操作变量,通常由人工凭经验手动设定,因其主观性强、滞后性大和效率低,使得粗选工况波动大,生产指标难以达到期望值。锑粗选过程积累了大量反映浮选运行规律的生产数据,其中包含加药规律的信息。为此,在分析锑粗选工艺的基础上,应用操作模式理论,定义加药量操作模式,研究基于操作模式匹配的锑粗选药剂添加量智能优化设定方法。论文的主要研究内容和创新点如下：(1)针对优良加药量操作模式库庞大引起模式匹配效率低和精度工厂高的问题,提出了基于改进模糊C均值聚类的加药量操作模式分级快速匹配方法。采用改进模糊C均值聚类算法对优良加药量操作模式进行自适应分类,利用粗糙集属性重要性和加权欧氏距离来度量加药量操作模式的相似性,进行初级匹配快速获得对应当前工况条件的加药量操作模式子类,再进行次级匹配,获取相似的优良加药量操作模式集,在保证模式匹配精度的条件下,有效提高了模式匹配速度。(2)针对在优良加药量操作模式库中难以匹配出与当前工况条件完全一致的最优加药量操作模式,提出了基于实数编码混沌遗传算法的加药量操作模式演化方法。综合多个粗选关键技术指标,构建了综合工况评价函数和加药量操作模式演化模型；将混沌变量引入到遗传算法中,并采用实数编码形式设计了一种基于实数编码的混沌遗传算法,并将该算法应用于求解适合当前工况条件的最优加药量操作模式。最后通过算法性能测试和实际数据应用结果进行验证和分析,结果表明该加药量操作模式演化方法能快速有效地获取当前工况条件下的最优加药量操作模式。(3)将本文提出的锑粗选药剂添加量智能优化设定方法应用到锑浮选现场进行工业验证,结果表明该方法能提高粗选关键技术指标的稳定性和合格率,同时改善浮选整体工艺性能,从而证明该优化设定方法的有效性。图17幅,表7个,参考文献60篇。