对于炼油企业来说,产品的质量是最重要的指标,决定了企业的收益和命运。然而在实际生产中,产品质量大都是通过采样、化验分析得到的,不能及时地指导生产操作。比如油品的质量指标:干点、闪点、初馏点等,无法通过现有测量手段在线实时测量。为了解决产品质量的闭环控制,软测量技术迅速发展起来,在工业中的应用和发展已经很多年,中外研究者们对软测量领域的研究主要集中在建模算法的研究上。随着建模技术的发展,软测量技术在工业中的应用也越来越广泛。本文针对常减压蒸馏过程中,常压塔常三线采出柴油95%点这个重要的质量指标,对其进行在线软测量技术进行研究。从工艺原理、辅助变量确定、数据预处理、建模方法、模型校正、软测量仪表实施等方面进行了研究。本文从软测量的应用背景、软测量实施难点出发,以炼油生产中的第一道加工工序常减压蒸馏为研究对象;通过实验测试对现场数据处理和挖掘,确定辅助变量;分析了传统的基于回归分析的建模方法;最终建立了基于径向基函数(Radial-Based Function,RBF)神经网络模型,鉴于该模型对网络结构敏感,使用了生物地理学优化算法进行优化。但还是发现该模型,严重依赖先验知识,在现场实施中存在困难。于是本文建立了基于随机配置神经网络的柴油质量指标软测量模型;该软测量模型具有精准的学习能力和优良的泛华能力。其中最主要的特点是,该神经网络的结构不需要人为的干预,在通用渐进逼近不等式的约束下,其结点个数是自增的,偏置和权值是随机配置的。通过软测量系统的实现测试,在现场应用效果良好;应用结果表明:基于随机配置神经网络的柴油95%点软测量模型具有良好的泛化性能。为实施常减压装置柴油质量的闭环控制提供了依据和条件。