目前我国每年主要农作物秸秆产量达7.5~9.94亿吨,而农作物秸秆处理方法主要包括:焚烧、还田、饲料、栽培食用菌和沼气等。但70%的秸秆资源还是作为以秆代煤/直接燃烧。这不仅会破坏地表土壤结构、使地表水分大量蒸发,同时会造成资源浪费和温室效应。如果能将其中10%生产燃料乙醇,将获得800万吨的乙醇产量,节约粮食300万吨左右。因此秸秆资源制取燃料乙醇,在解决了资源浪费的同时,保护了环境,给农民增加创收。随着秸秆发酵制取燃料乙醇进程的不断发展,生产及规模化的逐渐扩大,其控制过程也向自动化和智能化转变,通过对发酵过程中一些显示发酵过程优劣的参量进行在线监测是实现自动控制的前提和基础。但由于发酵内部机理复杂,经济和技术原因都使得一些参量难以在线实时测量,目前传统方法是将发酵过程中的产物取出,进行离线化验。这种方法存在很大的测量延时和误差,严重影响了后期对发酵过程的观察和控制。基于上述问题,本课题研究设计了一种“多模型软测量”方法并配套研制了一种基于嵌入式的秸秆发酵制取燃料乙醇监测系统,通过软测量方法,对发酵过程中难以测量的关键参量(乙醇浓度、残糖含量、菌体活性)进行实时在线监测。论文首先介绍了秸秆发酵燃料乙醇的目的及前景,同时指出发酵过程控制中存在的问题,为后文的研究内容做铺垫。其次,详细介绍了本文采用的软测量算法理论和软测量平台软硬件设计。软测量理论为:针对单一回归模型不适应新的工况,运用一种多模型软测量建模方法,该多模型软测量包括了核模糊C均值聚(Kernel-based fuzzy c-means algorithm,KFCM)数据分理论、最小二乘支持向量机(Least squares vector machine,LS-SVM)建模理论和自适应变异差分进化算法(Adaptive mutation different evolution,AMDE)模型优化理论,最终将算法用于秸秆发酵关键参量的软测量中,通过仿真实验显示可以得到合适的惩罚系数C和径向基宽度?,优化后的算法比传统方法在优化精度和训练的速度有了明显的提升。监测系统设计包括:STM32F103ZET6最小系统为核心的系统数据采集模块,实现数据从发酵现场采集并传输到主控模块的任务;ARM11作为主处理器的核心主控模块,完成了将采集到的数据进行分析、软测量处理、显示等功能。最后将研制的软测量平台运用在秸秆发酵实际过程中,通过PC机上的模拟和嵌入式平台上的测试应用,证明了该系统可以完成多模型软测量算法的移植和秸秆发酵过程的监测。本次课题研究的秸秆发酵多模型软测量监测系统具有实时监测秸秆发酵关键参数并通过显示屏显示的功能,为今后工业生产过程中难以测量量的监测与实时显示提供了一定的借鉴。