在铝电磁铸轧过程中,晶粒度是衡量铝带坯质量的重要指标。要实现铝电磁铸轧系统的优化控制,关键是能够在线检测铝带坯晶粒度。但是,目前还没有任何仪表能够直接检测晶粒度值,只能依靠金相分析等离线方式获得,存在很大的滞后,很大程度上影响了系统的优化控制。随着软测量技术在复杂工业过程参数检测方面的日渐成熟,本文采用软测量技术来实现铝带坯晶粒度的在线检测。首先从分析铝电磁铸轧的工艺机理出发,对电磁铸轧系统的工作原理进行详细的论述,并深入研究影响铝带坯晶粒度的电磁与铸轧因素,为软测量模型辅助变量的初选打下基础。针对铝电磁铸轧过程机理复杂、非线性度高的特点,采用多神经网络(MNN)的方法建立铝带坯晶粒度的软测量模型。采集的样本数据在经过归一化处理与主元分析后,再采用K-均值聚类算法将其分成4个样本子空间,不同的样本子空间分别用来建立不同的子神经网络,对子网络的输出进行加权融合后得出最终的晶粒度预测值。子网络采用BP或RBF神经网络,对不同组合的MNN晶粒度软测量模型进行MATLAB仿真,结果表明：与单神经网络相比,MNN模型能有效降低预测风险、提高预测精度,且建模时间与单神经网络相当；对于铝带坯晶粒度的软测量问题,采用两个RBF与两个BP网络组合的模型具有更好的稳定性与更高的预测精度。