粒度软测量由辅助变量的选择、数据采集与处理、软测量模型3个部分组成。

①辅助变量指给矿量、加水量、矿浆浓度、旋流器给矿压力等易于在线检测且与粒度密切相关的过程变量。正确选择辅助变量对建立1个成熟有效的软测量模型至关重要，要求辅助变量符合关联性、特异性、过程适应性和精确性。选择辅助变量的手段是采用机理分析、灰色关联分析等方法。

②数据采集与处理是将浓度、流量、压力等仪表的电信号送到上位机中，并进行换算和误差处理的过程。换算包括标度、转换和权函数3个方面。误差主要是指随机误差和过失误差。随机误差可以采用滤波的方法解决，过失误差的解决方法有统计假设校验法、广义似然法及贝叶斯法等。

③软测量模型是决定粒度软测量品质的关键，分为机理模型、数据模型以及二者结合的混合模型。机理模型，又称白箱模型，是充分利用矿物处理中粉磨和分级等过程的知识所建立的模型，主要有粉磨过程的功耗模型、矩阵模型、动力学模型和物料平衡模型，分级过程的以分离粒度和分离效率曲线为基础的理论模型、经验模型和综合模型。数据模型，又称黑箱模型，是在不需要过程先验知识的情况下，通过分析数据，建立起粒度与可测变量的某种数学关系模型，主要有基于回归模型（如自回归滑动平均模型和非线性自回归滑动平均模型）、人工神经网络、支持向量机和案例推理的粒度软测量模型。机理和数据混合模型，又称灰箱模型，一般采用数据模型作为机理模型误差补偿器。