铝土矿泡沫浮选过程工艺参数因矿浆的快速沉淀性等在线检测困难,且入矿性质变化频繁,造成浮选过程参数随着入矿的变化而不断改变。而通常建立的静态软测量模型利用固定样本集训练得到,当矿源变化时容易发生模型失配现象,使模型不能跟踪当前对象。针对变矿源下的模型失配问题,本文提出基于隐层节点动态分配和模型参数动态修正策略的动态神经网络建模方法,用于铝土矿浮选过程酸碱度的在线检测建模。实际生产数据仿真结果表明该方