软测量技术为解决工业控制系统在线检测过程中,一些控制参数无法通过检测仪表进行直接检测或由于检测仪表价格昂贵难以应用等实际难题提供了有效的技术手段。神经网络逆理论将神经网络对非线性系统的逼近能力、自学习能力以及容错能力的特点与逆系统方法有机的结合起来,借助于神经网络逼近原系统的逆系统。用以进行动态测量,则将会对逆系统方法的理论研究和传感器动态特性的工程应用等方面都将产生积极深远的意义。粗糙集理论是一种研究不完整、不确定知识和数据的表达、学习、归纳的理论方法。其在不需额外的先验知识的情况下,通过描绘知识表达中不同属性的重要性,进行知识表达空间约减,去掉冗余信息,简化信息的表达空间维数。本文沿着“软测量技术——神经网络逆理论——粗糙集理论—粗糙模糊神经网络逆理论方法的提出——将粗糙模糊神经网络逆方法应用到实际软测量中”的思路对作者在课题研究所做的工作进行了详细的介绍。其中运用粗糙集理论的属性约减和规则提取方法来构建糊神经网络逆是本论文的研究重点。本文主要以红霉素发酵过程中的实测数据为例,对粗糙模糊神经网络逆的输入样本数据的处理首先进行了描述。文章分别对样本数据的误差处理,归一化进行了详细的说明,并通过Matlab等仿真软件对处理后的结果进行了仿真,以说明该方法的有效性。最后,通过粗糙集理论对经过模糊化后的模糊数据集进行属性约减和规则提取构建相应的粗糙模糊神经网络来逼近“内含传感器”的逆,以达到对红霉素发酵过程中的重要参数菌丝浓度、总糖浓度、产物浓度等难以在线测量的数据的软测量。将获得的预测结果与用相同数据进行软测量的神经网络逆预测的结果进行了比较。通过仿真结果发现粗糙神经网络在预测精度和泛化能力上都有一定的提高,基本满足了对发酵过程进一步进行优化控制的要求。研究结果表明,该建模方法在预测精度和泛化能力上都具有一定的优越性。