对螺旋分级机溢流粒度有直接影响的两个主要参数是磨矿粒度和返砂量。磨矿粒度的控制要通过控制排矿浓度来实现，返砂量则受溢流浓度直接影响，因此可通过控制排矿浓度和溢流浓度来实现对溢流粒度的控制。
而溢流浓度与排矿浓度的控制量有交叉关系，所以对其中一方的控制调节都对另一方产生影响，控制难度很大。所以说，磨机的排矿浓度对其生产能力和磨矿产品粒度组成有着重要影响，在一特定磨矿条件下有最有利的浓度存在，磨机只有在这个排矿浓度下工作时其技术经济指标最好。
我们利用多模型动态矩阵控制来实现选矿的自动化控制：多模型动态矩阵控制算法包括三个部分：预测模型集、反馈校正和滚动优化。预测模型设被控对象有m个控制量输入，p个输出。假定已测得每一输出yi对每一输入ui的阶跃响应aij，则可得到向量模型：TAij= 对于线性变量系统，其输出预测可通过单变量预测后叠加得到。yi在反馈校正由于存在模型失配及干扰，将实际检测值与相应预测值比较，构成闭环进行校正。校正后的值经位移形成下一时刻的初始预测值。预测值与实际值比较，构成误差如下：ei（k1）=yi（k）-yi，PM（k）（6）2130未经过校正的匹配结果式（6）中yi（k）为实际检测值。 浓度呈下降趋势但影响程度同样不太明显；磨机作业中的返砂量是影响磨经校正的预测相量为：机溢流粒度的主要参数。所以控制好返砂量也会有效的控制好排矿浓度。 结束语DMC控制算法采用滚动优化目标函数，其目的是在每一时刻k，确定从根据以上对溢流浓度的计算并结合排矿浓度的最佳控制，间接调整了该时刻起M个控制增量，使过程再其作用下，未来P个时刻的输出预测值尽磨矿粒度与返砂量最终得出优质的溢流粒度，从而将整个磨选――分级系可能的接近期望值，优化性能指标为：统进行有效的协调控制。