磨矿分级仿真系统的输入包括给矿速率、给矿粒度分布、浓度、磨机和分级机加水量、旋流器给矿压力等，仿真系统的边界条件包括磨机尺寸、磨机转速、研磨介质含量、旋流器尺寸等参数，仿真系统的输出包括旋流器溢流粒度分布和浓度。

磨矿分级作业的过程模型主要通过机理分析、过程数据拟合、基于人工智能和知识的方法建立。机理分析方法利用质量、能量守恒原理，建立磨矿分级过程中物流性质变量（主要是粒度、浓度、流量）的传递方程，而方程的参数一般通过试验数据拟合确定。

磨机的模型多采用基于种群平衡的破碎模型，用一阶动态模型来表示矿石破碎的动态过程。破碎过程的特性主要由选择函数和破碎函数反映。选择函数确定每段矿粒破碎的百分比，破碎函数确定每段矿粒破碎到每个更小粒级的百分比。

由于磨矿分级过程的综合复杂性，机理模型难以精确反映过程的动态特性。因此，磨矿分级过程模型往往是结合人工智能和知识来提高机理模型的精度。利用专家系统、案例推理、人工神经元网络等技术，校正磨矿分级过程机理模型的参数，或者对机理模型的输出误差进行补偿，从而得到精确的模拟结果和动态特性。但是当生产状况改变时，这一类过程模型也需要重新调整再拟合。

磨矿分级过程模型的仿真解算有两种常用技术：①联立方程法。即将所有单元模型的数学表达式联立求解。②序贯模块法。如果模型中含有人工智能和知识模型，由于不具备解析方程的表示形式，无法列出联立方程，这种情况下需采用该方法。该方法针对每个模型单元建立基于中间物流变量的输入-输出模型；然后按照各个设备的物流连接方式，将单元模型的输入-输出连接起来，形成连接模型。在计算时，按照磨矿分级作业中实际物流走向的顺序解算各个模型单元，每个单元模型的解算输出作为下一单元模型的输入。当含有循环流时，需要对循环流切割，并进行迭代计算来估计被切割的循环流；当被切割物流前后模型单元的计算结果收敛稳定后，才能继续后面单元的计算，直至整个流程迭代计算完成。