干燥是造纸过程能耗最大、机理非常复杂的工序,降低其能耗是企业推进节能减排工作亟需解决的问题。现有的干燥过程模拟与能效优化研究主要基于机理模型,建模过程需要精准的理论基础,适用于简单、特定的过程对象,对于复杂的过程对象模拟精度无法满足生产要求,在此基础上建立的优化模型效果自然欠佳。本文以生活用纸纸页干燥过程为研究对象,提出了一种“机理+数据驱动”的混合建模方法,用于模拟纸页干燥关键过程参数。在过程模拟模型的基础上,进一步建立了纸页干燥过程能效优化模型。通过对干燥部基本结构分析确定了数据采集方案。由于工业数据受人工操作、设备状态与通讯环境的影响较大,常出现数据不匹配、异常与噪声问题,本文依次对采集到的数据进行了数据匹配、异常值剔除、填补、滤波操作,处理后的数据用于后续建模。基于纸页干燥动力学理论,本文将机理模型分为气罩模型、传热传质模型与纸页干燥模型三部分建模。使用岭回归、反向传播神经网络与支持向量机回归三种机器学习方法建立数据驱动模型用于预测机理模拟误差并将其与机理模型结合构成“机理+数据驱动”模型。本文还采用上述三种机器学习方法建立了对应的纯数据驱动模型,并使用两个工况差异较大的案例对三种模型的性能进行了验证。结果表明,在案例1上,数据驱动模型与“机理+数据驱动”模型的模拟精度均优于机理模型,最大平均相对误差仅为2.36%,且两种模型的模拟精度差异不大。在案例2上,数据驱动模型性能明显下降,而“机理+数据驱动”模型依然能够保持良好的性能,最大平均相对误差为4.84%。在过程模拟模型的基础上,本文分别建立了基于遗传算法与序列最小二乘规划法的纸页干燥过程能效优化模型并使用工业数据对两种模型的性能进行了比较。结果表明,基于两种不同优化算法的能效优化模型分别可带来2.51%与2.57%的成本节降效果。在时间开销方面,遗传算法优化单个样本的平均耗时为5237.42s,序列最小二乘规划法仅为62.38s。对比优化前后纸页质量指标发现能效优化模型不会对纸页质量产生显著影响。基于企业已建立的数据化运营平台,本文依次开发了实时工况数据获取模块、逻辑判断模块、爬虫模块与数据预处理模块;将模块流程化封装后设计了人机交互界面,从而实现了过程模拟模型与能效优化模型的在线部署与工业化应用。