生物乙醇具有二氧化碳排放量底、粉尘排放底、可生物降解和可再生等优点,受到越来越广泛的关注,多方面的因素催使着乙醇的生产量逐年的提升。生物发酵过程作为乙醇生产的重要方式之一。生物发酵过程的监测和控制对于保证产品的高产率、高质量和产品一致性有着重要的影响,为了提高监测发酵过程的效率,发酵工业需要更多的过程分析技术。通常可以对发酵过程的化学参数和物理参数进行在线检测,从而进行控制。对于发酵过程中的生物参数较多使用离线方法检测,但离线方法时滞性较大,较为耗时耗力,且在取样过程中容易引入污染,因此需要对发酵过程的生物参数,如底物浓度、生物量和产物浓度进行快速有效的在线监测。近红外光谱分析技术作为过程分析化学技术中的主要技术,在发酵过程中的在线监测中受到越来越多的重视。近红外光谱技术克服了离线检测的缺点,具有测量快速、无损、不需要对样本预处理、工作环境适应能力好等优点。本文基于乙醇发酵过程研究基于近红外光谱技术对发酵过程的在线监测。针对乙醇发酵过程中出现的光谱异常点和参考数据异常点,给出一种搜索异常调节参数的稳健回归技术建立稳健预测模型。该方法能有效的将数据中出现的异常样本进行降低权重,从而降低异常点对预测模型的影响。通过分析了乙醇发酵过程葡萄糖浓度数据集中的异常点,仿真结果表明该方法能降低这些异常点的权重,以验证集均方根误差为标准,证明模型能有效提高模型预测准确性。针对偶联发酵过程,给出一种基于多输出最小二乘支持向量机回归和近红外光谱技术的在线监测方法。传统方法为分别建立多个独立模型,对各个组分进行预测,该方法没有考虑偶联发酵过程的特征,忽略了多个组分之间存在的潜在相关性。相比之下,建立联合标定预测模型可以考虑底物浓度、生物量和产物浓度之间的相关性,同时预测多个组分,具有更好的预测精度。进一步的,针对联合标定模型中的两个惩罚参数和核函数参数寻优困难的问题,给出基于PSO算法寻优联合标定模型参数的方法,在不降低模型预测精度的前提下,能有效的降低建立模型的时间。建立单个模型同时对多个组分参数进行同时测量,在偶联发酵过程中有较好的应用前景。