20世紀80年代初國內礦物加工領域開始重視礦物加工數學模型的研究，數學模型與計算機結合形成一個新的研究方向一礦物加工數學模型及計算機應用。經過20多年的發展，數學模型的研究與應用已相當普及，并已成為礦物加工領域的重要手段。礦物加工計算機應用由開始局限于數學模型、數值模擬、過程仿真、過程控制、輔助設計、技術經濟決策和信息管理等方面，發展到涉及人工智能技術的圖象識別、人工神經網絡、遺傳技術、 系統等方面；人工神經網絡和 系統已成為近幾年的研究熱點，數學模型與 系統結合是 礦物加工領域復雜問題的有效途徑。
礦物加工數學模型建模技術的突出進展是引入了人工神經網絡和遺傳算法等人工智能技術。取得了滿意 。礦山機械 利用階躍試驗信號激勵一個磨礦系統的動態過程，通過對得出單一通道輸人、輸出關系數據的分析，得到動態數學模型，利用實時最小二乘法進行磨礦靜態模型在線識別，對一些參數進行動態補償后能較好預報生產過程。其中提出“轉換系數法’，的磨機計算方法，為磨機的模擬計算和建立磨礦數學模型提供了一種新方法。
磨礦 匯采用簡單過程檢測儀表，建立球磨機轉速率和球料比之間的關系，用徑向基網絡對過程進行了雙因素建模，不僅逼近的精度高，而且很好地 了神經網絡訓練的多因素交互影響。謝恒星等以棒磨機一螺旋分級機回路為對象，根據物料平衡和 化原理，建立磨礦分級回路中的固體量平衡模型、組分礦物平衡模型和流量平衡模型。用相似分析方法推導出沖擊粉碎過程中決定性相似準數與非決定性相似準數間的綜合關系。解微建立磨礦介質總體磨損速率微分方程，分方程得磨礦介質總體磨損規律數學模型，利用生產數據解出模型參數，運用模型計算合理的補加球量。
紅星 進行了一系列有關鋼球磨損規律及數學模型的研究，利用灰數理論方法建立了鋼球磨損的一般數學模型并給出求逆問題的方法，通過鋼球磨損矩陣模型的建立和分析，得出合理補球的計算式，闡述了磨機的各種工作狀態，提供了有關工作狀態下的介質磨損矩陣。并且較系統地研究了磨礦方式、礦漿濃度、礦漿體積對鋼球磨損的影響規律，當礦漿濃度為40%時，鋼球的磨損率出現 值，探討了濕式磨礦過程中鋼球表面罩蓋層厚度的影響因素及其影響規律，鋼球表面罩蓋層厚度隨礦漿體積濃度的增大而增大，存在一臨界值(約為50%)，為建立鋼球磨損數學模型提供了重要的依據。用現場的34組條件試驗，建立了工業型棒磨機中礦物分布模型和單體解離度模型，預測結果與實測結果擬合得較好。
對與鞍山式鐵礦礦物解離數學模型進行了研究并建立了相應數學模型。我們已經找到計算whtnie數學模型參數比較切合實際的方法，建立了直接應用于實際生產過程的數學模型參數曲線，并用以指導篩分生產實踐。現在會應用神經網絡技術建立螺旋分級機數學模型，以較少的試驗工作量，建立了高精度變量間的非線性映射模型，取得滿意的 。對重介旋流器選煤的介質粒度與分選精度之間的內在關系，提出了介質粒度的影響模型。針對小直徑水力旋流器微細分級提出了“紊流攜帶型”，闡明了“紊流攜帶模型”的基本觀點和主要參數的物理概念，建立的溢流水量分配、分級粒度、相對攜帶量三個數學模型與實驗值吻合較好。磨粉 推導出newf一4a型離心式轉子超細氣力分級機的理論分級粒徑，建立了平均分級粒徑的數學模型。
