该文针对软测量技术的研究及应用,主要完成如下工作: 对建立软测量模型的各种方法进行了较为详细的总结和分析,并对它们各自的特点进行了阐述. 提出了基于模糊神经网络的软测量建模方法.针对化工过程中经常出现的多采样率数据问题,提出了基于多采样率数据的软测量模型.这两个方法的仿真证明了神经元网络在建立软测量模型上的有效性. 提出了基于模糊规则分类的分布式神经元网络的软测量建模方法.为了使所建的软测量模型具有较好的泛化性能,通常要采集较多的样本数据.在这种情况下,如果用一个网络建立软测量模型,会导致较大的网络结构、较长的模型训练时间等等问题.分布式网络是解决上述问题的有效方法.该文针对这个问题提出了基于模糊规则分类的分布式网络软测量模型,仿真证明了该方法有效的解决了上述问题.对软测量模型的校正技术进行了研究.软测量模型是利用过程信息实现不可测或难测变量的估计.很明显,软测量模型预测精度的高低不仅依赖于模型本身的结构和特性参数,而且也取决于过程信息获取的正确与否.可见,软测量模型的校正包括软测量模型输入数据的校正和软测量模型本身结构和特性参数的校正两方面的内容.该文针对软测量模型的校正技术,提出了一种改进的PCA数据处理方法,并基于此方法实现了对过程数据的故障诊断与重构.另外,该文还提出了一种基于分布式RBF网络的模型结构实时校正算法.研究了精苯精馏过程中产品一纯苯干点估计的软测量模型建立方法,在精苯精馏过程中,纯苯干点是用来衡量产品纯度的一个重要指标,这个值通常是通过离线化验分析获得的,所以带有较大的测量滞后,给在线监测带来了很大的不便.该文针对某钢厂的精苯精馏过程,提出了建立估计纯苯干点的软测量模型,为实现纯苯干点的实时监测提供了有效的手段.