煤在我国化工行业的蓬勃发展中扮演着重要的角色。煤化工的发展有效缓解了我国化工产业对石油和天然气的依赖程度。乙炔是一种重要的基础化工原料,传统工业级制取乙炔的方法有水解电石法和甲烷氧化法,但是这些方法成本高、污染严重、流程长,难以取得良好经济效益。而等离子体裂解煤制乙炔工艺具有清洁高效的优点,随着这项工艺技术的不断发展,煤制乙炔已经逐步具备替换传统工艺的趋势。然而煤制乙炔过程机理未知、工段耦合严重、时间滞后和结焦严重等问题尚未得到很好解决,导致目前现场不能长周期稳定运行。实现反应过程关键质量参数的实时测量是解决这些问题的首要任务,而目前对煤制乙炔的研究大部分还停留在化工工艺优化、机理探索研究阶段。本文从软测量建模角度切入,对两个关键性能指标进行实时预测,包括乙炔浓度和结焦厚度,提出采用数据驱动的软测量建模方法对乙炔浓度进行实时预测,采用混合机理和数据驱动的方法对结焦厚度进行预测,取得较高预测精度,为后续全流程管控的研究奠定重要基础,论文主要的工作和创新点如下:(1)对于等离子体裂解煤制乙炔研究现状和软测量算法进行综述,针对现场测量问题,提出本文的研究内容。对反应过程的乙炔生成机理进行详细分析探讨,确定乙炔浓度软测量建模的辅助变量,提出采用改进的梯度提升集成树模型XGBOOST对乙炔浓度进行建模,该方法非线性表达能力强、建树依赖规则、可实现自动特征筛选,可有效降低模型的预测偏差。最后通过实验表明该方法具有良好预测效果。(2)针对传统建模策略未能充分利用现场大量无标签数据且未考虑过程动态特性问题,提出一种半监督学习式的改进LSTM模型,通过序列建模的方式有效解决该问题。同时引入卷积单元和多层结构对原始信息深度提取,借助注意力机制解决LSTM长期建模效果差的问题。基于现场数据,验证所提方法可以满足现场预测的需求。(3)对结焦机理进行详尽的分析论述,并结合现场反应装置的特点提出一种基于机理模型的测量方式对结焦厚度进行一次预测,机理建模依赖流体动力学模型。考虑机理模型是理想化的,未考虑其他结焦影响因素,引入数据驱动的小样本建模模型SVR对机理模型预测偏差进行二次校正,得到混合策略的软测量模型。通过实验表明混合建模策略的有效性。