软测量技术是一种新型的智能检测技术,在工业过程测控系统中具有非常广阔的应用前景。在软测量技术体系中,软测量建模理论的研究是其中的热点之一,直接关系到软测量的成功与否。为了解决传统软测量建模方法中存在的适用范围小、精度低等问题,本文针对存在多种工况状态的软测量对象,研究了一种基于粒子蜂群算法优化的多支持向量机软测量建模方法,并成功建立了铝电磁铸轧过程中铝带坯晶粒度的软测量模型,从而验证了该方法的有效性。首先,介绍了软测量技术的基本原理,并进行了文献综述,分析了软测量建模理论的研究趋势,指出了软测量建模过程中所面临的主要问题。其次,针对样本数据的合理聚类问题,研究了一种基于减法聚类改进的模糊C-均值聚类算法,并在两组数据集上进行了仿真试验,试验结果证实了该算法具有稳定性高、计算量小等优点。随后,在介绍支持向量机回归建模基本理论的基础上,研究了一种基于模糊聚类的多支持向量机软测量建模方法,给出了其详细的建模流程及模型应用流程。然后,针对支持向量机的参数优化问题,提出了一种新型的粒子蜂群优化算法,将粒子群算法中的全局指导机制与人工蜂群算法的基本结构进行了有机融合。通过大量的仿真试验,证实了该优化算法具有收敛速度快、收敛率高等优点。最后,针对铝电磁铸轧过程中铝带坯晶粒度的检测难题,将软测量技术引入其中,建立了铝带坯晶粒度的多支持向量机软测量模型,并进行了仿真试验分析。试验结果表明,该模型较之传统单模型,具有更强的鲁棒性和更好的预测性能。