该文在深入研究软测量技术的基础上,主要进行了以下工作:1、过失误差侦破.过失误差侦破作为数据校正技术的重要组成部分,受到了广泛的重视.该文在对已有的过失误差侦破技术研究的基础上,提出将神经网络法和测量数据法相结合的新方法用于过失误差侦破,该方法对多过失误差具有较高的侦破率,同时该方法具有简单、快速、易于在线应用的特点,可满足过失误差侦破的需要.2、数据校正方法的研究.数据校正可以为软测量模型的建立提供准确的数据.由于各种校正方法都有优缺点,这里提供了三种方法,使用者可以根据不同的流程采用不同的方法:改进MT-NT法在对过失误差进行侦破的同时完成数据校正;线性方法和非线性方法相结合的组合数据校正法具有收敛速度快、结果可靠的优点;神经网络法在非线性和不确定性流程中具有自己的优势.3、智能化软测量模型建立方法.该文对神经网络进行了深入地研究,从样本构造、训练模式、算法等多个方面对神经网络进行了探讨.研究结果表明径向基神经网络作为一种典型的前馈网络,具有训练速度快、易于实现的优点,同时采用改进的正交最小二乘法可以通过计算自动确定神经网络的结构,而且径向基神经网络可以通过修改局部的中心来使网络适应流程变化.因此该文采用径向基神经网络实现了软测量的建模,这种建模方式具有一定的智能性和通用性,适用于大多数分离过程.4、软测量软件的开发.采用主元分析与相关性分析相结合的辅助变量处理方法,同时利用以上改进软测量技术开发了具有一定智能性和通用性的软测量软件.通过工业实例验证表明,该软件具有较高的精度和较广的适用性,能够满足工业实际应用的要求.