针对球磨机筒体振动信号中存在非线性、非平稳性及环境噪声强等问题，提出一种基于粒子群优化最小二乘支持向量机（PSO-LSSVM）球磨机负荷参数（填充率和料球比）预测方法，并开发基于LabVIEW的球磨机负荷参数监测系统。通过粒子群(PSO)优化最小二乘支持向量机（LSSVM）算法中的正则化参数y 和核函数宽度，简化求解过程，提高模型训练速度。以球磨机筒体振动信号的Hilbert-边际谱样本熵为输入，以球磨机筒体内部的填充率和料球比为输出，建立基于PSO-LSSVM的磨机负荷参数预测模型。与LSSVM预测结果比较，该模型的预测精度较高，填充率平均绝对误差降低0.05、平均绝对百分误差降低8.09 %；料球比平均绝对误差降低0.04、平均绝对百分误差降低2.76 %。在线测试结果表明该在线监测系统准确率为64.37 %，且系统运行一次的平均时间为45 s，可实现球磨机负荷参数的实时预测。