随着我国经济的快速增长和工业的飞速发展,对石油、天然气等化石能源的消耗也与日俱增,这些不可再生能源的全球储备量在不断的减少,且在消耗过程中会产生二氧化硫、二氧化氮等有害气体,污染大气环境。因此有必要寻找一种可替代能源,燃料乙醇作为一种清洁能源,可以由粮食、秸秆等发酵制取,是一种理想的替代能源。在发酵期间,乙醇浓度作为最终产物,是衡量一次发酵是否成功的标准,但是目前没有成熟的检测乙醇浓度的传感器能够应用于实际生产中,离线测量的方法滞后性大,且存在染菌的风险,适合在实验室中使用。生物质废弃物发酵制取乙醇的过程是一个十分复杂的生化反应过程,乙醇浓度、温度、湿度、酸碱度等各元素之间具有较强的非线性和滞后性。为了准确对发酵过程中发酵液中乙醇浓度进行实时检测,本文主要做了以下研究内容:首先,介绍了生物质废弃物发酵制取乙醇的工艺流程,并根据实际操作环境选择合适的发酵工艺和发酵装置。其次,对现有发酵过程中关键变量的测量方法进行研究,分析各方法的优缺点。以所调查的现有测量方法为基础,以发酵机理为理论依据,对发酵环境的检测进行了硬件设计,包括溶解氧、二氧化碳、温湿度等参数的测量。最后,针对发酵过程中乙醇浓度难以检测的情况建立了BP神经网络软测量模型,为了提高软测量模型的预测精度,选用天牛须搜索算法对BP神经网络结构中的权值和阈值进行寻优,建立了BAS-BP软测量模型;针对发酵过程中存在的大滞后现象,采用广义差分算法对时滞测量值进行辨识,并将时滞值融入到样本数据中,建立T-BAS-BP软测量模型。仿真结果表明,经BAS寻优的软测量模型具有更高的预测精度,将时滞测量值融入到软测量模型中,有利于建立更加精准的软测量模型,能够实现对乙醇浓度的实时检测。