打浆，即利用物理机械处理悬浮于水中的纸浆纤维，使纸浆获得一些特定的性质，并使所生产的纸张能达到预期质量指标的一项工艺操作过程。打浆过程是制浆造纸生产过程的重要环节，占据首要的位置，它直接影响成浆质量、生产效率和资源能耗。对打浆过程中关键的对象进行有效的控制，是实现打浆过程计算机信息化的根本出发点。 本文以河套木业公司1800高档薄页纸打浆生产线为工业背景，首先介绍了打浆过程的机理、流程、设备和评价打浆效果的质量指标打浆度和湿重。打浆度表示浆料在网上脱水的难易程度，它综合反映了纤维被切断，分裂，润涨，水化等打浆作用效果。湿重即纤维的长度，纤维的平均长度越长，湿重越大；平均长度越小，湿重越小。打浆度和湿重均采用离线测量，不能实时在线测量，这直接影响到对打浆质量的控制效果，因此实现对打浆度和湿重的连续在线自动检测，对打浆过程自动控制是非常必要的。 文章第三章详细地介绍了打浆过程计算机集散控制系统(DistrubutedControlSystem，DCS)的实施步骤和注意事项。我们选用的是北京和利时公司的MACS系统，该系统采用了目前世界上先进的现场总线技术(ProfiBus-DP总线)对控制系统实现计算机监控，具有可靠性高，适用性强等优点，是一个完善、经济、可靠的控制系统。该系统在河套木业公司顺利、高质量的实施大大节省了工人的劳动强度，优化了工厂的生产秩序。 随着控制理论和技术在广度和深度的发展，智能控制理论得到了重视和发展。其中利用神经网络得到过程的模型，再通过遗传算法对其进行优化求解，是解决那些工艺流程复杂，机理不甚清楚或者物性参数难以获得对象的过程系统在线优化问题的可行之路。 针对打浆质量指标打浆度和湿重离线人工测量的复杂、延迟性，而影响打浆度、湿重质量指标的量较多且总可以直接或间接地测量到，本文采用了基于人工神经网络的软测量方法。文中详细地介绍了BP神经网络对打浆度的建模方法。BP神经网络软测量模型对打浆质量指标的实现，不仅有效地指导了打浆生产过程，而且为打浆过程的优化控制提供了参考依据。 鉴于打浆过程状态变量的机理建模的难度过大，而基本数据和要求的明确性。我们采用不需要精确数学模型、全局搜索寻优的遗传算法实现了打浆过程消耗时间最少的优化控制。 经过我们精心的设计和调试，整个打浆过程达到了安全生产，较大地节约了能源，方便了工人的操作，使得工厂的生产效益得到极大的提高和扩展。 最后，作者在总结全文工作的基础上，指出了有待进一步研究的问题。