选矿过程是将原矿向精矿转化，保证后续冶炼作业高效、顺利进行的必要工序。而选矿过程的工作效率主要取决于磨矿作业对矿石粉碎细化的能力以及浮选作业对精矿的回收率。这其中磨矿作业尤为重要，这不仅体现在磨矿过程的工作质量的优劣、出磨矿物粒度的好坏将直接影响浮选回收作业的效率和精矿产品的品位，还体现在磨矿过程是选矿过程能源消耗最大的工序，在企业成本投入中所占的比重最大。因此，磨矿过程运行效率的高低直接决定了选矿企业在市场中的竞争力和经济效益。 将自动控制技术应用于磨矿作业是提高磨矿效率和产品质量的有效手段。然而，在以往的磨矿过程控制中，由于检测技术和控制理论方法的限制，实施控制的对象主要是简单易测的磨机外部变量，控制策略主要是简单的单回路反馈控制。而面对当前对磨矿产品需求不断增加、质量要求不断提高、而矿产资源日益贫乏的新形势，传统的检测和控制方法已经无法满足实际生产的需要。以节能降耗、提高产品质量为目标，应用先进控制理论和方法对磨矿过程进行优化控制是控制理论研究及其与实际应用相结合的新挑战。 本文在详细研究了磨矿过程原理的基础上，以实现磨矿过程综合优化控制为目标，针对当前磨矿过程控制中存在的一系列问题，提出了系统的解决方案。 (1) 针对以往无法在线检测磨机主要参数—磨矿浓度的问题，提出了灰色软测量方法实现了磨矿浓度的实时测量。基于灰关联分析理论给出了一致关联度算法用于软测量辅助变量选择，并给出了一种实用的组合确认方法以规范辅助变量集。实验结果表明，一致关联度算法可以准确地反映数据间的相关性，同时，一致关联度算法与组合确认方法的结合应用大大提高了辅助变量筛选速度，改善了软测量模型的估计精度，估计结果的平均相对误差保持在0.7％以下。进一步，针对实际应用中，工况的变化和工作点的漂移，提出了ε-PD-Ⅰ短期校正方法和双模型热备的长期校正方法相结合的综合软测量模型校正策略。仿真结果表明，该策略增强了系统运行的稳定性，比传统的PID方法超调更小，且需要调整的参数更少。在此基础上，将磨矿浓度的实时检测引入到磨机串级控制环节中，改善了原有控制策略单纯依靠外部信息而导致的稳定性差、精度低的不足，提高了控制性能； (2) 针对目前无法对磨矿生产率进行实时有效地检测，本文提出了应用支持向量机(SVM)方法，实现对磨矿生产率的在线预测。通过对现有SVM方法的分析比较，选择了新型的混合核支持向量机(MKSVM)作为预测模型的建模工具，并引入遗传算法解