磨矿分级优化控制采用分层控制结构，由运行指标优化与决策、回路设定优化以及基础回路控制组成（见图）。

磨矿分级优化控制分层结构

运行指标优化是在磨矿处理量上下限范围、各运行指标上下限范围、磨机的最大设备处理能力等资源以及运行指标和生产指标（由计划调度给出）之间关系的等式约束条件下，以生产指标最优化为目标，求解出运行指标期望值的优化技术。在实践中，运行指标优化与决策处于计划调度之下，回路设定优化之上。计划调度一般是离线、静态优化，而回路设定优化和基础回路控制一般是动态、在线控制，因此运行指标优化与决策起着静态优化、动态优化与控制之间，以及离线优化与在线控制之间的协调作用。相对于计划调度给出的在一定周期内恒定不变的、静态的生产指标，运行指标优化与决策可以动态地调整磨矿分级的运行指标，使之适应原料性质变化和实际生产工况波动，从而保证实际生产过程的生产指标达到计划调度所要求的目标值范围。

回路设定优化是根据运行指标优化与决策给出的运行指标期望值及其目标范围与边界约束条件，求解给矿量、磨矿浓度、水力旋流器给矿浓度以及给矿压力等基础回路设定值的优化技术。磨矿过程的回路优化设定通常以溢流粒度和磨机负荷为优化目标。溢流粒度是磨矿分级过程产品的质量指标，与选矿精矿品位和金属回收率密切相关。磨机负荷是影响磨矿效率及磨矿产品质量优劣的重要因素，当负荷过大或过小而又操作不当时，就会造成磨机欠负荷或过负荷故障工况，严重时发生磨机空砸或胀肚等事故，因此磨机负荷控制对保证磨矿分级产品质量及生产的连续、稳定、安全运行极其重要。

磨矿分级过程的复杂特性，使其难以建立溢流粒度、磨机负荷与影响因素之间的解析表达模型，但通过分析溢流粒度和磨机负荷变化的成因，结合领域专家知识以及操作员良好的操作经验，可建立一个良好品质的控制模型。例如，根据给矿量过大、磨矿浓度过高以及矿石性质变化（如原矿石硬度变硬、粒度变粗等）将引起磨机负荷增大，以致过负荷这一信息，可建立相应的控制规则，当过负荷发生时，适当调整给矿量以及磨矿浓度等过程参数。利用数据挖掘以及相关知识是实现这一控制规则的主要途径，专家系统、案例推理、模糊推理等智能方法，以及神经网络、支持向量机等机器学习方法在磨机负荷控制中得以广泛使用。