甲醇是重要的有机化工原料和优质燃料。在现代工业生产过程中,测量误差是难以避免的。为减少测量误差对数据的影响,本文首先针对某甲醇合成厂的甲醇合成装置的测量数据进行了数据校正。本文引入粒子群算法(PSO)实现对测量数据的校正。针对粒子群算法的特点,本文提出速度变异策略,得到改进粒子群算法,并利用改进算法进行了甲醇合成过程数据校正。由于甲醇合成过程的转化率是生产甲醇工艺中必须考虑的重要因素之一。本文再通过对甲醇合成过程的工艺流程研究,明确了甲醇合成过程中影响甲醇合成转化率的主要因素。然后基于改进PSO-BP神经网络的建模方法构建软测量模型,为甲醇生产过程中变换工序变换率、合成工序合成转化率建模,并以实际生产中的数据验证模型的精度,结果表明模型能满足实际需求。论文针对甲醇合成装置,设计了基于OPC的数据通讯、数据校正和软测量模块的设计。