造纸生产作为一种流程化学工业,其过程模拟及优化技术目前相对比较成熟,而对于造纸生产过程前期的原料优选、保障生产过程控制质量的快速分析技术及控制器智能优化设计方法研究则方兴未艾。本文即选择造纸生产中的原料优选、基于近红外光谱技术的纸浆材化学性质快速分析模型优化、造纸工段的流浆箱压力控制器以及碱回收工段的黑液液位控制器的优化整定作为研究对象,根据不同研究对象的优化目标及相应的优化方法,比较了不同优化策略应用效果,以便于未来在工程实践中根据需要选用。主要研究成果如下:(1)、分别采用MLR和PLSR法研究制浆材物理特性、化学成分对化学制浆法得率及生物制浆法得率的影响,以便为两类制浆法木材原材料的优选提供依据。利用MLR研究结果表明:化学成分指标对化学制浆得率影响显著,而物理性状指标对生物制浆的得率影响显著。但是在建立物理特性或化学指标与制浆得率的预测模型时,PLSR相对于MLR法,能较好地克服纸浆材性能指标之间的多重共线性影响,预测结果更为准确,模型解释也更为合理。(2)、为实现制浆材木质素和综纤维素含量的快速测定与实时分析,应用近红外光谱分析技术和化学计量学方法,对5种制浆材进行了建模研究。针对收集的87个样品近红外光谱数据,经过MSC预处理后,分别采用偏最小二乘回归(PLSR)、主成分分析结合BP人工神经网络(PCA+ANN)、偏最小二乘结合BP人工神经网络(PLS+ANN)三种方法,对制浆材木质素和综纤维素的光谱数据进行建模预测分析。结果表明:PLS+ANN模型可以克服近红外光谱的非线性问题,具有更好的预测性能和更高的精度。(3)、制浆造纸过程具有非线性、大时滞、参数时变性和模型不确定性等特点,传统PID方法控制精度较低,虽然现代优化算法可以优化PID参数,提高精度,但也存在着收敛速度慢,容易“早熟”,整定时间长等缺陷。针对这些问题,采用改进现代优化算法来实现过程控制的优化。本课题选取了遗传算法和粒子群算法两种现代优化算法,为了提高算法的全局寻优能力和收敛速度,对标准遗传算法的交叉和变异算子进行了优化、并增加当前最优追踪策略以及改进收敛准则,而对标准粒子群算法的改进则是通过动态调整惯性因子和加速因子,以及改进收敛准则等方法。将Z-N整定法、标准GA算法和PSO算法、改进GA算法和PSO算法分别同时应用在流浆箱总压控制和碱回收黑液液位控制上,并在MATLAB/SIMULINK平台上进行仿真实验,实验结果表明:PSO算法的收敛速度明显大于GA算法,且具有更高的控制精度;改进后的遗传算法和粒子群算法的PID控制具有更快的响应速度和更好的鲁棒性,有效地提高了控制质量。