质量指标是线性低密度聚乙烯（Linear Low Density Polyethlene，LLDPE）生产中评价的重要参数，但是在生产过程中没有实时的数值，所以操作员只能依据自己的经验以及2小时或者4小时的实验室分析数据来调整自己的操作，这种操作模式不但不利于保证产品的质量，而且使得物耗、能耗都很高。所以质量指标的在线估计能辅助操作员更好的对反应进行操控，得到质量指标更加稳定的产品，降低成本，提高产品竞争力；操作约束影响着生产的安全性，聚乙烯工业生产对操作的精度要求高，尤其是对温度的控制。所以露点温度及产率的在线估计，对生产的安全稳定运行有着重要的意义。论文的主要工作包括： （1）对工业聚乙烯中的质量指标建模需要大量的历史数据，但是要辨识出一个能解释正常工况时的模型，需要对获得的工业数据进行合理预处理，在获得数据后，我们依据机理建立模型，并用PSO算法获得模型的参数。 （2）将得到的质量指标模型应用到在线实时的估计时，估计方法是十分重要的一部分。聚合工业的工况复杂，使得模型不能很好的解释对性，而且由于对象是非线性的，所以选择使用次优强跟踪滤波作为校正的方法，它不但保留了强跟踪滤波器的优点，而且更容易应于与实际情况当中。进一步的研究，由于测量变送的噪声是非高斯噪声，所以使用粒子滤波的方法对作为在线滤波估计的方法，在有大量数据获得滤波密度分布的基础上，粒子滤波的方法能得到较好的滤波效果。 （3）由于各个生产LLDPE的工厂装置设备、仪器仪表状况不同，使用不同的催化剂虽然不改变模型的形式，但是参数却有很大变化，所以一个能获得通过历史数据获得模型参数的软件制作意义重大，它即方便了当装置自身变化导致模型参数变化，需要重新整定参数工作，又可以在不同的LLDPE装置上应用。软件中包括数据处理，辨识参数，结果仿真，直至最后通过OPC将所得的质量指标估计送至DCS。 仿真结果与实例应用结果验证了上述所提方法的有效性和适应性。