本文讨论复杂非线性化工过程不可测输入的在线软测量问题,在本实验室已有的研究成果基础上,以循环流化床锅炉(CFBB)燃烧系统为工业对象,采用本实验室开发的CFBB动态仿真系统作为仿真平台,从求解精度、求解速度及实施维护难度着手,研究适合工业应用的非线性系统软测量的在线算法。　　 本文首先讨论基于神经网络逆模型的软测量方案;采用PLS-RBF神经网络算法和LM-BP算法进行算法对比试验:首先通过CFBB燃烧系统仿真平台获取样本数据,进行算法有效性的仿真研究;之后采用工业采样数据进行工业观测实验,并设计评估方案以考察观测的准确性。算法对比试验表明PLS_RBF算法具有网络结构训练简便、泛化精度高的优点。　　 神经网络软测量方法是目前主要的软测量方法,但该软测量方法需要有一定规模和代表性的建模样本数据。对本文讨论的问题,由于难以得到不可测输入的规模采样数据,需借助工业对象的非线性动态模型来产生建模样本,再建立神经网络模型,工业应用时若工况变化后需修改模型,则需重新仿真获取数据建模,实际上不方便工业实施和后期维护,因此,本文重点探讨可直接由非线性工业模型进行软测量的方案:　　 方案一:非线性寻优在线观测方案,采用多变量自适应粒子群优化(APSO)算法。首先针对传统APSO算法寻优较慢的不足,对算法进行了改进,改进后的算法减少了寻优迭代次数。之后,采用工业采样数据,带入CFBB燃烧过程动态模型进行工业观测实验,并进行观测精度评估实验。　　 方案二:针对非线性寻优算法在线观测需进行迭代计算,计算量大且难以保证收敛的不足,本文提出以闭环控制思想实施软测量的方案,选择经典PID控制器实施观测。因多变量观测涉及多变量控制器解耦问题,单变量观测与其原理相同但易于实施。为此,首先对CFBB进行单变量控制观测以研究观测算法的有效性;之后,研究多变量解耦控制实施多变量观测,采用常数补偿阵对CFBB燃烧系统进行解耦控制,进而实施多变量同时观测。以闭环控制回路实施软测量的优点在于:将软测量建模过程转化为控制器设计问题,观测精度高,控制器参数若设置合理可实现快速消除观测误差而无需进行耗时的迭代运算。　　 最后,基于CFBB煤质观测结果,结合CFBB燃烧系统机理模型,本文对CFBB另一重要指标:飞灰含碳量进行在线观测实验。　　 本文将优化算法用于软测量,具有较强的通用性;本文首次提出将闭环控制思想用于多变量在线观测,相关研究工作可为今后进一步的完善应用奠定基础。