硫酸浓度是锌冶炼烟气制酸工艺中的一个重要的过程参数,但由于某些技术方面的原因，目前硫酸浓度的检测还主要处于依靠国外进口的仪器仪表检测阶段，此测量方法存在误差大、滞后性等问题。为此本课题采用了一种新型的检测方法即基于粒子群优化算法的人工神经网络和软测量技术相结合对硫酸浓度的软测量方法研究。本课题主要的研究工作有以下几个方面：（1）首先介绍了烟气制酸国内外研究的现状和意义，以及软测量技术在复杂工业过程建模中的广泛应用和取得的成果，并进一步对各种软测量建模方法在现代化工领域中的应用现状进行了综述；（2）在详细分析烟气制酸工艺的基础上结合软测量常用的建模方法，总结了影响硫酸浓度的各种因素，明确了硫酸浓度的主导变量和辅助变量的选取；（3）在了解人工神经网络应用的基础上，主要介绍了RBF神经网络的数学模型、学习算法并建立基于RBF网络的硫酸浓度软测量模型。该模型是以多输入单输出的RBF网络结构，通过与BP网络模型的仿真实验比较，采用基于正交最小二乘算法建立的RBF神经网络硫酸浓度软测量模型泛化能力强，能反应真实值的变化。实验结果分析发现RBF网络参数的选择对硫酸浓度软测量模型的性能影响较大；（4）最后为了获取最优参数，本课题采用了一种粒子群优化算法（PSO）对传统的RBF网络硫酸浓度检测软测量模型的参数进行优化。通过粒子群算法对该网络模型参数的优化后，仿真结果表明该模型具有训练时间缩短、学习效率提高、预测精度和泛化能力更强的特点，完全可以满足硫酸浓度检测的设计要求。本课题以某冶炼厂烟气制酸工艺硫酸浓度检测为研究对象，结合RBF神经网络和粒子群优化算法并采用软测量技术对干吸工段的硫酸浓度进行建模仿真，最后通过实验平台验证了模型的科学性和有效性,同时也表明了软测量技术为硫酸浓度的检测提供了一种新的方法和途径。