明胶浓度是明胶生产过程中的重要过程参数之一,明胶浓度的在线测量对明胶生产工艺的优化和控制具有重要意义。但目前,明胶浓度的测量还集中在手工离线采样的阶段,这种测量方法存在误差大、滞后时间长,样本易受环境影响且测量过程中易污染胶液等问题。针对明胶浓度测量存在的这些问题,课题引入软测量技术对胶液浓度进行估测,为明胶浓度的测量提供了新的途径。课题以青海明胶公司的明胶生产工艺为研究背景,以提胶工序中较难测量的明胶浓度为研究对象。从提高明胶浓度在线测量综合性能的角度出发,通过对生产工艺的分析,提取和明胶浓度密切相关且较易测量的时间和温度为辅助变量,并对从明胶生产工艺现场采集的数据进行分析。针对样本之间存在的复杂性、非线性等问题,利用小波神经网络强大的多分辨、非线性逼近等性能,提出一种基于小波神经网络的明胶浓度软测量建模方法,并对这种方法进行自适应改进,引入自适应小波神经网络,通过对预测结果的比较,得知小波神经网络比自适应小波神经网络具有更好的优化性能和泛化能力。针对小波神经网络结构复杂、待优化参数多的特点,利用遗传算法的隐并行搜索性能优化小波神经网络模型。对遗传算法的交叉概率、变异概率进行自适应改进,引入自适应遗传算法;对遗传算法的染色体结构进行改进,引入混合递阶遗传算法;然后在自适应遗传算法和混合递阶遗传算法的基础上对单一的变异方式进行改进,提出混合变异自适应遗传算法。将四种算法分别用于优化明胶浓度的小波神经网络模型,并在MALTAB环境下进行仿真结果比较。结果表明,自适应遗传算法相对于传统遗传算法,其实时性有所提高,但预测精度没有得到很好的改善;混合递阶遗传算法相对于自适应遗传算法,其实时性和精度有所提高,但综合性能不利于指导明胶的生产;而混合变异自适应遗传算法优化的小波神经网络模型相对于前三种算法,具有更好的综合性能,更能满足明胶生产工艺的要求。最后通过研究COM控件技术实现VB和MATLAB的混合编程,为明胶浓度软测量模型在明胶生产工艺控制系统中的实现提供一种方法。