微生物发酵是一个具有高度非线性、时变性和迟滞性的过程，其内在机理非常复杂。传统的测量方法难以实现对发酵过程中一些关键参量的在线测量，这使得要对整个发酵过程进行最优化控制变得非常困难。 针对这一问题，本论文以ε-聚赖氨酸为研究对象，在软测量理论的基础上，提出针对生化过程关键生物量测量的神经网络软测量方法，重点以BP神经网络结构作为该软测量的实现方法，为其后的参数预估做准备。文中改进了标准的BP神经网络算法，提出了一种基于黄金分割法的变步长的BP学习算法，并用该方法对ε-聚赖氨酸发酵过程中的不可直接测量的关键变量(残糖浓度、菌体浓度)进行预估。网络测试结果验证了该方法的可行性和有效性，同时也证明了该软测量网络拓扑结构具有良好的收敛性能和泛化能力。该研究也为其他过程控制关键生物量的在线测量问题提供了一个新的思路、新的方向。 在此基础上，本文设计了一套完整的生物发酵数字化控制系统，实现了ε-聚赖氨酸发酵过程中主要参量的实时测量与控制，以及基于软测量方法的补料控制方式。