熔融指数是聚丙烯生产过程中最重要的质量指标。由于工艺设备以及技术上的原因,熔融指数难以在线测量,从现场采集聚丙烯产品样品进行化验则会造成测量滞后的存在,导致无法对熔融指数进行有效在线控制。针对聚丙烯生产过程熔融指数测量存在的难题,提出一种组合神经网络软测量建模方法,并用于建立熔融指数的软测量模型。本文的主要研究内容如下:(1)首先简单介绍了聚合过程的特点,以及聚合反应过程研究存在的问题。探讨了软测量技术在聚合反应过程应用的可行性和意义。介绍了软测量技术的基本思想和实现步骤,并对各种软测量建模方法及其在工业领域中的应用现状进行了综述,并指出软测量技术在处理强非线性和不确定性对象时还有待完善。(2)具体分析了常用的BP神经网络算法,包括BP网络结构和BP训练过程及算法。针对人工神经网络在建立非线性对象模型时的缺点,引入组合预测方法。对组合预测的研究现状、分类、组合系数的确定进行了详细的介绍。最后将神经网络与组合预测方法相结合提出了组合神经网络,并将最小化最大绝对误差作为求解组合权重的准则,提出了基于最小化最大绝对误差的组合神经网络建模方法。(3)综合分析Spheripol工艺的催化剂体系、均聚反应机理和生产工艺流程,确定影响熔融指数的辅助变量。其次,对选取的样本数据进行预处理,包括异常数据剔除、随机误差处理和数据归一化。随后采用经验法和凑试法相结合,确定了BP网络隐含层的数目和节点数。最后采用组合神经网络建模,并将组合神经网络同单一BP神经网络进行性能比较,通过比较分析说明了组合神经网络的有效性。