浮选加药作为煤泥浮选过程的重要环节,其药剂量的准确添加对浮选的效果有很大的影响。目前煤泥浮选生产中由于缺少高精度的浮选变量检测设备和有效的加药策略,加药量的多少往往只能凭借工人的生产经验去添加。这种加药的方法不仅加重了工人的劳动强度,而且还会因为主观因素造成浮选精煤灰分的不稳定,从而影响了生产的效益。为了解决上述问题,本文在对赵楼选煤厂煤泥浮选工艺深入分析的基础上,运用智能加药技术对煤泥浮选控制系统进行了研究。制定了以浮选精煤灰分作为系统的主要被控量,以向矿浆预处理器中添加的浮选药剂量作为系统的控制量,以图像识别技术和专家系统作为监督手段的总体方案。首先,通过对该选煤厂煤泥浮选工艺过程和实际的生产记录数据进行了研究分析,确立了对浮选加药的重要过程参数;在此基础上构建了基于GRNN神经网络的浮选加药预测模型,并用交叉验证搜索算法对该神经网络模型的参数进行求解,通过与BP、GA-BP预测模拟的对比,得出其在浮选加药方面的优越性。然后,在对泡沫图像去噪声处理的基础上,通过MIV值评价法对影响精煤灰分的泡沫特征进行了筛选,建立了基于RBF神经网络的浮选精煤灰分预测模型,并用递归最小二乘法对其模型参数进行求解,进而通过与BP网络的比较,得到其在浮选精煤灰分预测方面的优越性。再次,在对浮选精煤灰分预测和泡沫图像特征提取的基础上,建立以专家系统为核心的浮选加药量矫正模型,对浮选预测加药量进行在线修正。最后,在以上研究的基础上,搭建了系统的软硬件模型,并对系统做了仿真运行,验证了其研究的可行性。