本文针对基于“内含传感器”的神经网络逆软测量方法在红霉素发酵过程中应用时软测量精度不高的问题,提出了若干改进方法,并应用到某制药厂的实际红霉素发酵过程。实际的运行效果表明了这些改进方法的有效性,为提高红霉素发酵过程关键参量(菌丝浓度、总糖浓度和化学效价)的软测量精度问题提供了很好的方法。本文取得的研究成果如下:1.在基于“内含传感器”的神经网络逆软测量方法的基础上,根据神经网络逆系统扩展结构理论,通过对红霉素发酵过程的分析,增加了重要的辅助变量,然后用主元分析法对软测量模型的辅助变量进行了处理,使软测量模型的精度得到了较大的提高。2.提出了先两步判断法后滑动平均滤波法对神经网络逆软测量模型的辅助变量进行误差处理,有效地滤除了噪声信号,改善了误差处理效果,并对过失误差起到了预防和校正的作用。3.对归一化方法进行了改进,使归一化后的数据更能体现输入变量的特征,进行神经网络训练时,可以更充分地逼近神经网络逆软测量模型,提高神经网络的泛化能力。4.通过神经网络自动训练和自动检验模块、离线化验数据录入存储和多项式插值模块、神经网络逆软测量版本选择模块,实现了软测量模型的在线校正,从而使软测量模型能适应新的工作状况,保证软测量精度。5.依据程序模块化的思想,实现了红霉素发酵过程神经网络逆软测量软件。