软测量技术是解决现代复杂工业过程中较难甚至无法由硬件在线测量参数的实时估计问题的有效手段。稀土串级萃取分离过程复杂,具有非线性、时变、大滞后等特点,元素的组分含量难以在线测量。针对该问题,本文在分析稀土元素在线测量现状和总结传统软测量建模方法不足的基础上,提出了基于最小二乘支持向量机(LS-SVM)的软测量建模方法进行稀土萃取分离过程组分含量软测量。全文围绕基于LS-SVM进行软测量建模展开了深入研究,主要内容如下:(1)总结了传统软测量建模方法的不足,提出了采用LS-SVM建立软测量模型实现稀土萃取分离过程元素组分含量的在线测量。研究了辅助变量的选择和样本数据的处理。(2)详述了用于回归的LS-SVM,针对LS-SVM缺乏“稀疏性”的缺点,在Suykens的LS-SVM稀疏算法基础上进行了改进。(3)研究了网格搜索法确定LS-SVM模型参数,提出了基于改进的LS-SVM软测量建模方法,建立了组分含量软测量模型。仿真结果表明,LS-SVM组分含量软测量模型比RBF神经网络模型具有更强的泛化能力。但是,网格法选择参数耗时,只是插值验证,不是全局统一调节,得到的模型参数未必是最优的。(4)针对网格法选取LS-SVM模型参数存在的不足,提出了基于量子粒子群算法(QPSO)选取LS-SVM模型参数,仿真结果表明,该方法选取参数运算速度快、精度高。提出了基于QPSO-LS-SVM的软测量建模方法,建立了组分含量软测量模型,仿真结果表明,所建模型预测精度高。