建立过程变量的软测量模型的主要技术流程包括以下4个部分，即机理分析与辅助变量的选择、数据采集与处理、软测量模型的建立和软测量模型的在线校正。

1.机理分析与辅助变量的选择

首先明确软测量的任务，确定主导变量。在此基础上，深入了解和熟悉软测量对象及有关装置的工艺流程，通过机理分析，初步确定影响主导变量的辅助变量。辅助变量的选择内容包括变量类型、变量数目和检测点位置等。

1）变量类型的选择

变量类型的选择原则如下：（1）适用性，工程上易于获得并能达到一定的测量精度；（2）灵敏性，能对过程输出和不可测扰动作出快速反应；（3）特异性，对过程输出或不可测扰动之外的扰动不敏感；（4）精确性，构成的软测量模型能满足精度要求；（5）鲁棒性，构成的软测量模型对模型误差不敏感。

2）变量数目的选择

受系统自由度的限制，辅助变量的数目不能小于被估计变量的个数。先从系统的自由度出发，确定辅助变量的最小数目，再结合实际过程的特点适当增加，以便更好地处理动态特性问题。

3）检测点位置的选择

对于许多工业生产过程，与各辅助变量相对应的检测点位置的选择是非常重要的，可供选择的检测点很多，而且每个检测点所能发挥的作用各不相同。一般辅助变量的数目和检测点位置是同时确定的，用于选择变量数目的准则往往也被用于检测点位置的选择。

检测点位置的选择可采用工业仿真软件来模拟，确定的检测点往往需在实际应用中加以调整。

2.数据采集与处理

能否准确地测量数据是软测量成败的关键。测量数据是通过安装在现场的传感器获得的，受测量仪表的精度、可靠性和测量环境的影响，会不可避免地存在测量误差，而采用低精度或失效的测量数据会导致软测量性能下降或者失败。因此，对测量数据进行预处理是非常必要的，主要工作包括两方面，即数据变换和测量误差处理。(www.daowen.com)

1）数据变换

（1）由于实际测量数据可能有不同的工程单位，各变量的大小在数值上可能相差几个数量级，因此直接使用原始测量数据进行计算会导致信息丢失或不稳定，需要采用合适的因子进行标度变换。

（2）通过数据变换，降低非线性特性。

（3）通过权函数实现对变量动态特性的补偿。

2）测量误差处理

测量数据的误差可分为随机误差和过失误差。随机误差可采用滤波方法消除；过失误差的消除则需要通过及时侦测、剔除和校正等方法来解决。

3.软测量模型的建立

建立基于辅助变量的主导变量估计模型的方法有多种，接下来的两个小节将简单介绍基于机理分析的建模方法和基于数据的建模方法。

4.软测量模型的在线校正

在实际运行过程中，伴随着操作条件的变化，工业装置的过程特性和工作点会不可避免地发生变化和漂移。因此，需要对软测量模型进行在线校正才能适应新的工况。

软测量模型在线校正包括模型结构的优化和模型参数的校正两方面。通常只进行模型参数在线校正，具体方法有自适应法、增量法和多时标法。对模型结构的优化较为复杂，需要大量的样本数据和较长的时间。