纸浆洗涤过程是制浆造纸生产中非常重要的一环，其洗涤效果直接影响到后续工段的顺利进行。而洗浆过程属于大时滞、非线性、变参数系统，由于无法建立起精确数学模型，从而使得传统控制理论很难给出一个较好的控制效果，甚至不能控制。近些年来，智能控制理论(神经网络、模糊控制、专家系统)异军突起，其控制算法不需要被控对象的精确数学模型，只要有足够的样本数据或专家经验即可，因而受到广泛青睐。 根据生产工艺条件的分析，确定以上浆流量、上浆浓度、清水流量、清水温度为神经网络模型的输入变量，残碱量、波美度为神经网络模型的输出变量，隐层数为1，隐层节点数为9的三层网络模型。采用BP神经网络对纸浆洗涤过程进行建模，并对此网络模型进行仿真。仿真结果表明：该模型能够较好的描述过程的行为，各操作变量对过程输出的影响符合实际的工艺情况，网络模型的验证也说明模型的记忆能力和泛化能力都比较不错。 遗传算法是一种基于在生物进化过程中，优存劣亡的原理基础上发展起来优化、搜索技术。是一种采用了统计启发式搜索技术的组合优化算法。在利用遗传算法求解问题时，问题的每个可能的解都被编码成一个“染色体”，即个体，若干个个体构成了群体。在遗传算法中，pc和pm的选择是影响遗传算法行为和性能的关键所在，直接影响算法的收敛性。自适应遗传算法在保持群体多样性的同时，保证遗传算法的收敛能力，能够有效地提高了遗传算法的优化能力。并且由于模拟生命进化机制的遗传算法与传统的优化算法相比具有更强的全局搜索能力，因此本文采用自适应遗传算法对模型的优化问题进行探讨研究。即对清水加入量和纸浆产量进行双目标优化。 最后结合这些理论从建模与控制的角度对洗浆过程进行了研究，包括洗浆原理、洗浆影响因素的分析，洗浆过程神经网络模型建模和基于自适应遗传算法的模型优化探讨研究。