国内外学者针对球磨机磨矿过程建模方面做了大量的研究工作，但球磨机磨矿生产过程中影响因素多，如矿石性质、磨机结构、磨矿操作因素等，难以建立或推导出精确的数学模型。介质充填率、料球比、磨矿浓度是球磨机磨矿过程经常变化的因素，而矿石性质和磨机结构及磨机转速率（针对实际矿山）一般是比较稳定的，因此，比较精确地检测出球磨机的内部负荷参数（介质充填率、料球比、磨矿浓度），从而合理选择和优化控制这些参数，是提高球磨机磨矿效率和生产能力的关键。对于球磨机这样一个多变量的、时变的、非线性的复杂系统，难以用精确的数学模型表达。而神经网络所具有的非线性函数逼近功能为解决球磨机非线性系统的自动控制问题指明了新途径，所以，我们提出了利用神经网络来研究球磨机内部负荷参数与外部响应信号的关系模型的建立问题。
神经网络是由于各领域实际工程技术的需要而迅速发展起来的一门前沿学科。它是由大量神经元依一定结构互联而成，用以完成不同智能信息处理任务的一大规模非线性动力系统。人工神经网络具有以下特点：
1.它能以任意精度逼近任意连续非线性函数；
2.对复杂不确定问题具有自适应和自学习的能力；
3.并行机制中的冗余性可以使控制系统具有很强的容错能力；
4.它具有很强的信息综合能力，能同时处理定量和定性信息；
5.神经计算可以解决许多自动控制计算问题，如优化计算和矩阵代数计算等；
由于神经网络具有上述优点，目前已应用于自动控制领域的各个方面，如系统辨识、系统控制、优化计算以及控制系统的故障诊断与容错控制等。传统的辨识方法，对于一般的非线性系统的辨识是很困难的，而神经网络系统辨识和控制实质上是选择一个适当的神经网络模型来逼近实际系统。神经网络对非线性函数具有任意逼近和自学习能力，为非线性系统的辨识和过程控制提供了一种新的、有效的通用方法。
神经网络是一种并行的分布式信息处理系统，它由许多简单的，彼此之间高度连接的处理单元（神经元）组成。这些单元是模仿大脑中的神经细胞设计的，尽管单个神经元的功能有限，但大量神经元构成的网络系统所能实现的行为却是极为复杂的。它是一个高度非线性的动力学系统，其特色在于信息的分布式存储和并行协同处理。应当指出，神经网络是在现代神经学研究成果的基础上提出的，反映了人脑功能的基本特征，但它并不是人脑的真实描述，而只是人脑的某种抽象、简化与模拟。
