我国稀土储量居世界首位，自徐光宪先生的串级萃取理论问世以来，我国的稀土萃取分离技术进入了世界领先水平。如何在较短的周期内让稀土萃取生产线产品纯度和收率最大化，是稀土萃取分离工艺的终极目标，它涉及湿法冶金和自动控制两大学科。其中，萃取槽内稀土组分含量的在线检测是关键技术之一。由于稀土萃取生产线的强腐蚀特点，目前世界上还没有可用于检测稀土萃取生产中稀土组分含量的传感器。国内稀土湿法分离企业中，萃取槽内稀土组分含量多采用离线检测或离线化学分析的方法得到，检测过程的滞后，限制了稀土萃取生产工艺的闭环控制，影响了稀土生产效率。因此，实现稀土组分含量的在线检测是我国稀土分离工业亟待解决的问题之一。所以，稀土组分含量在线检测技术的突破，从理论研究到实际应用都有着十分重要的价值。本文在深入分析稀土萃取分离反应机理的基础上，采用神经网络软测量算法实现稀土组分含量的在线检测。论文从网络结构、非线性能力、收敛速度等方面深入研究了神经网络的各种建模方法，选定RBF神经网络建立稀土组分含量检测模型。主要研究内容如下：1.分析稀土萃取分离反应机理，找出影响稀土组分含量的工艺因素；2.深入研究神经网络的各种建模理论，确定一种适合的建模方法；3.创建稀土组分含量检测（软测量）模型，包括确定辅助变量、隐含节点数、输出权矩阵等；4.使用Matlab工具完成仿真验证和测量结果分析；5.完成稀土萃取生产线工艺参数实时监测系统的软、硬件设计。仿真结果证明，创建的软测量模型满足稀土萃取分离工艺要求，可用于稀土萃取分离过程组分含量的在线估计。