在聚乙烯工业中，由于缺乏对生产过程质量指标测量的在线仪表，只能定时的对产品进行采样分析，这样必然会导致质量指标数据的滞后，使得对质量指标的控制也存在着滞后，从而导致出现较大的产品质量波动，以及反应器内部结块而使装置停车。因此，气相聚乙烯产品质量指标的在线估计对提高产品质量、稳定先进控制效果具有重要意义。论文针对传统质量指标模型的动态部分参数更新滞后的问题，引入了特征模型与Volterra模型对系统进行建模。由于特征模型可将对象非线性系统用二阶时变差分系统近似，不仅可以很好的对非线性模型近似，而且与一般的黑箱模型相比，有着预测精度较高，参数少，计算简单等优势，因此可以通过对特征模型参数的更新来自适应修正模型参数以达到对质量指标更精确的在线估计。而Volterra级数模型由于其泛函的特性，非常适合非线性系统的建模问题，因此论文采用Volterra级数模型对系统进行建模，并得到了较好的估计效果。Volterra级数模型可以将原有的复杂非线性问题转化为线性问题并进行求解，大大降低了计算量。对于单牌号情况下，模型稳态状态变化不大，针对性的固定模型稳态部分，并对模型动态部分参数进行自适应更新以得到更好的估计精度。对于牌号切换问题，由于切换过程中质量指标跳动较大，即模型稳态状态变化较大，因此固定混合模型的动态部分参数并对模型的非线性稳态部分参数进行更新，采用新型神经网络通过求解非线性方程来构造特征模型的参数更新律，并对更新律实施切换修正以保证参数的收敛，最后证明了状态观测器的渐近跟踪性能。