熔融指数是聚丙烯生产过程中最重要的质量变量之一,研究其软测量技术对丙烯聚合反应过程的优化和控制具有重要理论意义和实用价值。本文针对聚丙烯熔融指数的软测量问题,从机理模型和数据模型两方面入手,研究并提出了多种软测量模型的建立方法,并对工业聚丙烯装置实施软测量技术的过程和结果进行了讨论分析。论文针对Spheripol-II液相本体双环管反应装置,分析了该类工艺装置的反应原理,建立了环管反应器的机理模型,并分析了操作条件变化对装置变量的影响情况。在反应机理分析的基础上,本文建立了双环管反应器的两种熔融指数预报模型:对数模型和幂数模型,分别采用带遗忘因子的最小二乘法(FFRLS)和粒子群算法(PSO)对模型参数进行辨识,工业数据建模的结果验证了方法的有效性。考虑到单一机理软测量模型往往难以适应牌号切换工况下的熔融指数预报要求,本文提出两种基于机理模型和模糊技术的混合软测量建模方法:FP-EFCM和FP-FIS方法。FP-EFCM将机理模型与加强型模糊C均值聚类算法(EFCM)相结合,FP-FIS将机理模型与自适应神经模糊推理系统相结合,对工业数据的应用结果表明了方法能够较为准确地预报熔融指数的变化。针对支持向量机应用于聚丙烯软测量建模时工业过程数据中特异点影响建模精度的问题,提出一种聚类加权支持向量机方法。该方法首先对建模数据进行聚类分析,根据聚类结果,再对各类数据的惩罚系数进行相应的加权,这样既能减小特异点对模型的影响程度,又能将其包含的生产过程信息引入到软测量模型中。在工业数据上的应用结果说明聚类加权支持向量机比标准支持向量机建模更准确。针对聚丙烯装置熔融指数软测量中的非线性和多牌号切换问题,本文提出一种基于自适应核偏最小二乘(AKPLS)的软测量方法。该方法采用非线性PLS——KPLS方法来拟合辅助变量和熔融指数之间的函数关系,以软测量模型的泛化误差作为优化目标,对KPLS模型系数进行在线更新。工业数据应用结果表明,AKPLS方法能够比PLS、KPLS方法更准确地预报聚丙烯熔融指数的变化。为建立适应聚丙烯多工况生产现状并具有良好泛化能力的非线性软测量模型,本文以稀疏核模型作为软测量模型框架,提出一种基于改进正交最小二乘(IOLS)的聚丙烯熔融指数软测量建模方法。为了消减模型中与输出变量无关的噪声信息,提出使用正交信号校正(OSC)方法对OLS模型进行预处理。基于留一法均方误差(LOO MSE)和模型参数局部正则化建立OLS模型目标函数,以提高模型的稀疏性和泛化能力。最后使用Kalman滤波器对模型参数进行在线更新。工业数据应用结果表明,IOLS方法能够比偏最小二乘(PLS)、OLS方法更准确地预报聚丙烯熔融指数的变化。最后本文对软测量技术在工业聚丙烯装置上的实施流程和关键问题进行了讨论,对软测量方法在工业装置上的实施结果进行分析,指出了工业装置建立软仪表过程中需要解决的问题。