杨逸俊，王振雷，王昕

（1 华东理工大学化工过程先进控制和优化技术教育部重点实验室，上海200237； 2 上海交通大学电工与电子技术中心，上海200240）

引 言

在工业生产过程中，存在着一些难以直接测量却又与过程操作或产品质量紧密相关的主导变量，影响了状态检测或控制性能。软测量技术通过易于测量的辅助变量实现了对主导变量的估计，在工业建模中得到了广泛应用[1-3]。

基于机理分析的软测量建模需准确认识工艺机理，在复杂的工业过程中很难实现。基于人工神经网络[4-6]的软测量建模方法不依赖工艺机理信息，仅需过程数据，为复杂工业过程软测量提供了解决方案。文献[7]提出了一种结合误差反向传播算法(BP)和偏最小二乘回归(PLSR)的新型混合人工神经网络，并开发了石脑油干点软测量模型和对二甲苯(PX)氧化反应中的4-羧基苯甲醛浓度软测量模型。文献[8]提出了结合修剪算法和多元线性回归算法(CPA-MLR)优化BP神经网络的结构和权重，开发了石脑油干点软传感器。文献[9]基于径向基函数网络对回转窑颗粒烧结过程的成品颗粒质量指标进行了软测量。

上述软测量研究中均采用静态神经网络和有监督学习模式。为了保证软测量的精度，需要提前确定辅助变量与主导变量之间的动态时间常数，选择多时段的辅助变量与对应时间的主导变量构成训练样本对。如果出现辅助变量与主导变量间动态时间常数估计值偏离实际值，则无法保证软测量模型的预测能力。……