中文摘要：

本课题针对复杂工业生产过程软测量技术应用中的瓶颈问题，从建模过程中的数据处理、建模方法以及解决模型参数求解过程中的计算实时性等问题出发，首先开展了基于聚类分析的数据粗差判别方法、高维样本空间维数约简等工业过程数据评价与处理方法研究，以保证建模数据的可靠性与准确性；其次，结合化工过程动态机理模型与实际工业装置运行数据，在动态网络结构、动态建模方法以及模型动态修正等方面开展了动态软测量建模方法的相关研究，包括基于多尺度小波核支持向量机的多输入多输出动态软测量建模方法、基于Adaboost集成学习算法的动态建模方法以及基于时序样本误差修正的模型动态校正方法等；为了提高和改善模型精度，开展了基于改进智能优化算法的软测量模型参数优化方法研究；最后，针对工业过程基于图像信息的软测量建模技术的需要，对图像分割的处理方法进行了研究。研究方法分别以乙烯、精对苯二甲酸、炼油、聚酯等典型化工过程为对象，验证了软测量系统的精度与可靠性，为流程工业过程开展先进控制、优化操作、工况监测等工作提供基础。