随着面向复杂工业过程的软测量算法得到越来越广泛的应用,针对高性能计算机或数字设备实现的成本高、便携性差等问题,本文专门研究了一种基于SOC的软测量通用平台。该平台以OMAP-L137双核处理器为核心,将嵌入式任务实时调度与浮点运算精度相结合,对平台设计与实现中几个关键因素进行了详细的分析与研究,最终将RBF神经网络的在线训练算法的全部流程移植到了嵌入式系统中。以计算速率和预测精度的综合指标来评价,本文成功解决了算法嵌入式应用中实时性较差的问题,并具有良好的计算精度。本文首先以独特的模块化设计思想,构建了由核心板、母板、I/O接口板以及人机接口板组成的软测量平台硬件,并对四个子板的设计与实现都进行了详细的说明。然后深入研究了基于神经网络的软测量算法的嵌入式应用。在保证算法C语言级实现的前提下,对网络结构、权值更新模式、权值更新步长、数据预处理方式、算法截止条件等关键要素进行了详细研究,提出了各自的改进方法和解决方案,并将其整合成一整套优化策略。对于相关数据集的实验结果表明,训练与预测过程已全部在SOC中成功实现,且同时满足计算速率与精度的要求。同时,本文编写了其他必要的系统应用软件,同核心算法一起,使得平台能够顺利完成软测量的相关任务,且具备便携性、通用性、低成本、小体积和可扩展等优点,不仅可应用于各种工业过程对象,也可推广到其他智能算法的移植以及其他应用领域。