选矿流程是大多数矿山作业不可或缺的部分，而磨矿分级作业则是选矿流程的重要组成部分，磨矿分级产品的质量直接关系到整个选矿流程工作的好坏。 在工业生产中，衡量磨矿分级产品质量的重要指标就是水力旋流器溢流产品的粒度分布情况。在实际生产中，对这一指标的检测方式通常有两种。一种是直接化验的方法，但这种方法要经过一系列的步骤，花费时间很长。另一种是采用PSI-200粒度分析仪表的方法，但是这种仪表通常价格昂贵，一般的矿山企业难以承受。 软测量技术是当前过程控制领域的研究热点之一。本文以磨矿分级作业为背景，在深入研究相关文献的基础上，针对水力旋流器分级产物粒度在线检测困难的现状，提出了一种基于BP神经网的软测量技术。同时出于比较的目的，还分别构建了基于ARMA模型和卡尔曼滤波模型的软测量模型。 本文的主要内容如下： (1)详细介绍了磨矿分级流程的具体情况，阐述了分级产物粒度分布指标这一参数的重要性，指出对其进行在线检测的重要意义。针对主要的分级设备水力旋流器，通过分析，找出了分级粒度分布有关的各个参数，并对这些参数加以取舍。 (2)引入了软测量技术，着重介绍了基于人工神经网的软测量方法，阐明了其特点和适用范围。详细介绍了人丁神经网中应用最广泛的BP网，介绍了其构造和具体的运算过程，也指出了其相应特点。 (3)在此基础上，构建了基于BP神经网的软测量模型，同时为了提高BP网的训练数度，提出了一种改进的BP算法。随后分别也构造了基于ARMA和基于卡尔曼滤波的软测量模型。对这三种方法建立的软测量模型进行了仿真分析，并对仿真分析结果进行比较。最终的结果表明，基于BP神经网的软测量模型在三种方法中表现最优。