本论文依托于内蒙古博源联合化工集团天然气制甲醇软测量项目,将粒子群(PSO)算法引入多模型软测量过程中,采用改进的基于加权策略的多模型算法对甲醇生产中质量参数的测量问题进行了研究,并着重分析了其在转化工艺中的应用。本文以甲醇生产工艺为研究平台,针对系统软测量问题进行了深入的研究,探索行之有效的方法来解决实际中的质量参数的软测量问题。首先,总体介绍了软测量系统结构及相关建模方法,通过对几种典型建模方法的研究,提出了改进的多模型算法,并将其应用于软测量建模过程中。该算法先采用FCM对训练样本进行聚类,并对每一类分别采用改进的RBF网络进行训练建立子模型以提高模型的预测精度。为了避免在求解过程中陷入局部最优,并提高全局寻优能力和收敛速度,提出了基于粒子群加权算法的多模型算法,以解决传统算法收敛速度慢,系统资源开销较大等问题。其次,将所提出的软测量方法用于对甲醇生产过程中转化工艺中天然气蒸汽转化率的预测,并通过同单模型及基于概率加权的多模型建模方法的比较,表明本文所提出的改进的多模型算法能够更加有效、快速地逼近预期结果,提高预测精度。最后,采用Delphi、Matlab及OPC技术实现了软测量系统的开发,并将其运用到甲醇生产过程当中。实际的工程测试表明,本文所研究的软测量算法在保证系统运行的实时性和可靠性的前提下,能够快速、准确和有效的实现对观测量的估计,从而节约测量成本,提高生产效益。