APMP高浓打浆过程存在大量扰动，会引起成浆质量波动，因此有必要对打浆过程实施自动控制。但是表征成浆质量的指标—打浆度和湿重无法在线检测，只能离线测量，无法实现闭环控制，因此需要建立反映打浆度、湿重变化的软测量模型，用软测量模型估计打浆度、湿重的变化，并作为控制系统的反馈信号，完成对成浆质量的控制。打浆过程控制不仅要求在干扰作用下对重要工艺参数控制平稳、快速和准确，而且要求在整套装置甚至整条生产线范围内实现过程优化，以降低能源和原材料消耗，提高产品的产量和质量，使企业总体经济效益达到最优。打浆过程是整个制浆过程中能量消耗最大的环节，打浆过程的能耗是衡量打浆效率和打浆成本的重要经济技术指标。影响打浆质量和打浆成本的因素很多，高浓打浆过程工艺参数的设定值一直凭借运行人员的生产经验进行设定，原有工艺参数的设定点不一定能保证整个装置乃至整个条生产线的运行效益最优，操作工况存在很大的优化潜力，进行高浓打浆过程优化对于提高产品产量和质量、降低生产成本具有重要意义。 基于以上原因，文章以宁夏美利纸业10万吨/年APMP生产线为背景，研究APMP高浓打浆过程建模与优化问题，主要内容包括以下几方面： (1)综述打浆过程机理模型和过程控制的发展现状，指出开发打浆过程计算机控制系统所需解决的几个主要问题及发展趋势。 (2)研究高浓打浆过程的建模问题。采用两步建模方法，第一步基于比边缘负荷理论，建立以盘磨喂料螺旋转速、盘磨稀释水流量、打浆电流为输入变量，比能量、比负荷为输出变量的高浓打浆过程数学模型；第二步基于该数学模型，建立打浆度和湿重的软测量模型，采用最小二乘辨识法估计模型参数。 (3)研究人工神经网络在高浓打浆过程打浆度和湿重软测量中的应用。建立一个以喂料螺旋转速、盘磨稀释水流量、打浆电流为输入层，打浆度和湿重为输出层，一个隐含层的三层前馈神经网络。采用DCS(distributedcontrolsystem集散控制系统)中的过程数据和实验室的化验值组成训练样本，利用改进的BP算法对网络进行训练，得到打浆度和湿重软测量模型，以一些训练中未采用的样本检验网络泛化能力。 (4)研究APMP高浓打浆过程操作工况优化问题。在建立的过程稳态模型的基础之上，寻找一组合适的工艺参数的设定值，使生产质量指标打浆度和湿重满足工艺要求，同时产量最高、成本最小，即优质、高产、低耗。建立一个由质量偏差目标函数、产量目标函数和成本目标函数组成的多目标优化模型。探讨了该优化模型的求解算法，采用多目标规划方法构造评价函数，把问题转化为单目标优化问题，利用非线性规划方法借助Matlab优化工具箱进行求解。 (5)研究高浓打浆过程计算机控制系统具体实施中的关键技术。开发高浓打浆过程的顺序控制与联锁保护系统。 最后，作者在总结全文工作的基础上，指出若干有待进一步深入研究的问题。