球磨机是物料磨碎作业的主要设备,在物料加工和矿物选矿中占有重要地位。磨机负荷(包括矿石量、钢球量以及水量)在磨矿回路中是一个重要的操作参数,直接关系到磨矿的生产效率和能源消耗。目前对于磨机负荷的检测还缺乏可靠的手段,大多仍根据人工经验操作运行,致使对磨机的控制效果不理想,工业自动化程度不高,造成了能源浪费。因此,针对球磨机这一非线性、大时滞的综合复杂系统,精确地检测其负荷对于粉磨行业的节能降耗具有重要意义。　　本文研究的主要内容有:　　(1)首先对国内外球磨机负荷检测方法的研究现状进行了分析对比;然后介绍了磨矿工艺流程和球磨机工作原理。根据实验磨音及球磨机相关数据,分析起磨过程磨音、停磨过程磨音与磨机负荷的情况,说明采用磨音信号进行磨机负荷软测量检测的可行性。　　(2)基于频谱分析理论,对磨音信号进行功率谱估计,根据磨音强度与磨机负荷的关系,分析提取出信号的有效频段;根据有效频段范围对原始磨音进行频率选择,得到选频后的磨音数据。针对磨音数据维数较大,且高频段能量值对整个频谱能量值贡献率很小,提出了两种数据压缩方法,结果表明可以有效地达到数据压缩的目的。　　(3)利用前m项和比值压缩处理对选频后的磨音进行压缩处理,然后计算压缩处理后的每分钟磨音频谱总能量,标定出磨机负荷百分比和归一化后的频谱能量值对应关系,得到多组磨机负荷数据,并根据操作人员的经验对数据进行适当的校正。　　(4)分别采用BP神经网络、基于K均值的RBF神经网络和遗传算法优化BP神经网络三种方法建立磨机负荷软测量模型,并进行了详细的实验研究。实验结果表明遗传算法优化BP神经网络能更精确地检测球磨机负荷。　　最后对全文进行了总结,并且对本课题今后研究方向进行了展望。