一切工业生产的目的都是为了获得合格的产品，于是质量控制成为所有控制的核心。为了实现良好的质量控制，必须对产品质量或与产品质量密切相关的重要过程量进行严格控制。然而，由于在线分析仪表（传感器）不仅价格昂贵，维护保养复杂，而且有些需要加以严格控制的重要过程参数还很难通过传感器在线得到[1]。

为了解决这类过程的控制问题，近年来，软测量技术得到了很大发展。软测量的基本思想是把自动控制理论与生产工艺过程知识有机结合起来，应用计算机技术，对于一些难于测量或暂时不能测量的重要变量（称之为主导变量，Primary 如产品质），选择另外一些容易测量的变量（称之为辅助变量或二次变量如温度，压力，流量等），通过构成某种数学关系来推断和估计，以软件来代替硬件（传感器）功能。这类方法具有响应迅速，连续给出主导变量信息，且投资低，维护保养简单等优点[2]。

软测量是过程系统工程的分支学科。过程系统工程是在系统工程，化学工程，过程控制，计算数学，信息技术，计算机技术等学科的边缘上产生的一门综合性学科[3]。它以处理物料#8212;#8212;能量#8212;#8212;信息流的过程系统为研究对象，其核心功能是过程系统的组织，计划，协调，控制盒关了，目的是在总体上达到技术上级经济上的最优化[4]。软测量即分析来自单元设备乃至复杂过程的一系类测量数据，根据它们的运行特性确定待定的过程参数，为过程控制提供依据。软测量除了能估计主导变量，还可以估计一些反应特性的工艺参数[5]。

软测量系统一般是由实时数据库、基于OPC的接口部分、软仪表和显示(或控制)输出[6]。由于软测量可以解决复杂工业过程中较难甚至无法由硬件获得的参数以及有较大之后的参数的测量和估计问题，同时可以保证精度，从而保证控制质量，且投入小，维护简单，软测量已在化工，食品，冶金等工业中有许多成功的应用，尤其在化工过程中的精馏塔产品质量控制问题上取得的一系类成果[7].[8]。用神经元网络建立软测量模型时，将辅助变量作为神经元网络的输入，主导变量作为输出，用大量系统历史数据进行训练，从而获得估计模型[9]。

建立软测量仪表的步骤一般包括：辅助变量选择、数据的采集和预处理、软测量模型的建立和模型的校正[10]。
(1)辅助变量选择
辅助变量选择是软测量的重要前提。对辅助变量的选择，一般首先根据工艺机理分析和现场工程师的经验，在可测变量集合中找出与主导变量相关的初始辅助变量集合。再根据灵敏性、特异性、工程适用性、精确性、鲁棒性的原则确定最终的辅助变量。从初始辅助变量集合选择出最终辅助变量的方法有：基于主元分析(PCA)的变量选择方法、基于偏最小二乘(PLS)的变量选择方法、基于遗传算法和离散粒子群优化算法的变量选择方法等[11]。
(2)数据采集和预处理
由于现场仪表测量精度或噪声的原因，测量数据中会不可避免的含有随机误差。由于仪表故障或是人为操作失误会产生过失误差。对于随机误差，工程上通常采用数字滤波方法，如中位置滤波、均值滤波、滑动时间窗滤波等。过失误差是那些远离主体数据的异常点，其侦破方法主要包括：传统统计假设检验方法和聚类分析的方法[12]。
(3)建模
软测量的核心是建模，模型的准确与否直接影响着软仪表的测量精度。软测量的建模方法主要有机理分析法和非机理分析法。机理分析法是根据对象的工作机理，建立由微分或差分方程组成的模型。非机理分析法一般包括基于统计回归算法和人工智能的建模方法。统计回归算法一般包括主元分析方法(PCA)、偏最小二乘方法(PLS)等。智能建模算法如模糊控制理论、神经网络和支持向量机建模方法[13]。
(4)模型矫正
在工业生产过程中，由于现场仪表的测量精度漂移或是工况的波动，会使原来建立好的软测量模型预测精度降低。为了能使软仪表更好的满足生产状态的变化，提高测量的可靠性，需要定时的对建立的软测量模型更新。这个更新包括模型参数或模型结构的更新[14]。

本次建立神经元网络模型是用RBF网络，它在非线性映射效果较其他基函数网络优越，而且隐层神经元数目可在过程中自动确定，保证了算法的通用性，很多软测量文献中都因此而采用了这种网络。

分布式RBF网络建立过程如下：首先以竞争学习为基础，利用递阶聚类的思想将学习样本分解成子类，然后针对每个子类利用正交最小二乘算法构造并学习RBF网络[15]。

参考文献

[1]郑莹娜，刘强，陈长缨. 过程软测量虚拟仪器系统集成[J]. 自动化仪表，2000 21(5):13-19.

[2]Crysandt H. Advanced Nearest Neighbor Classification[C]. Grindelwald, Switzerland: Proceedings of the IASTED International Conference on Internet and Multimedia Systems and Applications, 2005:331-335.