某选矿厂矿床类型为斑岩铜矿类型,采矿方式为井下采矿,井下主要分为两个矿体,矿石性质相差较大。近年来原矿铜品位逐年降低,平均品位小于0.4%,精矿品位要求不变,浮选难度增加,生产过程主要依靠浮选操作工现场进行巡检发现问题,凭借主观经验进行操作,由于操作不及时造成的沉槽或冒槽现象时有发生,对生产指标的稳定极为不利。同时,浮选车间的工艺流程较长,浮选设备和操作变量众多,浮选操作工的劳动强度较大。针对该选矿厂的矿石性质、工艺流程特点以及浮选生产现状,提出一套多层次浮选优化控制算法,并设计了一套浮选优化控制系统,实现浮选生产过程中的产率优化控制、泡沫质量控制、流程协同控制以及磨浮协同控制四大方面的优化控制。介绍了系统的整体功能框架、数据集成、数据处理及控制逻辑,以及工业应用效果。其中,重点介绍了泡沫图像数据的分析与处理、泡沫矿化程度监测以及浮选工况识别与生产健康状态监测。从浮选工艺与机理角度出发,利用机器视觉所提取的包括泡沫流速、颜色特征及形态学特征实现“相对矿化程度”实时计算,用以量化表征浮选泡沫层的矿化效果。同时,利用分布式机器视觉所提取浮选工艺流程前、后浮选槽泡沫图像特征的梯度变化,与原矿品位、粒度、浓度、pH等参数融合,研究实现基于聚类分析的浮选工况识别及生产健康状态诊断。浮选优化控制从控制目标划分主要包括设备安全控制、指标控制、流程稳定控制、多目标优化控制。系统投入运行后,提高了浮选生产过程的稳定性和生产指标,极大地减轻了浮选操作工的工作劳动强度,证明了系统的科学性和实用性。