水是人们生命中不可或缺的部分，居民生活用水水质的好坏直接影响着人的身体健康。作为主要供水单位的自来水厂优质生产，严格控制出厂水质，降低出厂水浊度，是保证居民用水达到要求的前提保证。 　　本文利用智能控制科学的重要分支——模糊逻辑推理和人工神经网络，用全新的方法探讨了适应我国水厂应用的实现混凝投药智能控制的方法。这些理论在克服被控对象的非线性、时变性和复杂性方面表现出了巨大的优势。本文利用智能控制理论，对混凝投药的智能控制作了如下的应用研究工作。 　　将智能控制思想引入混凝投药控制系统，在分析混凝投药工艺过程及混凝剂投加量与出厂水质相关性的基础上，建立了混凝投药智能控制系统的结构，提出了实现混凝投药智能控制的关键问题：如何在线根据水质参数变化量，确定出适宜的投药量作为系统的设定值；如何提高投药控制系统的性能指标，能在系统模型发生变化的情况下，控制器仍具有良好的控制性能。 　　通过对混凝投药过程的分析，借助模糊神经网络的研究成果，提出了基于模糊神经网络的混凝剂投加量的预测方法，建立了基于模糊神经网络的混凝剂投加量的预测模型。由于神经网络具有强大的自学习能力，同时它利用历史数据能充分逼近非线性关系，因此，模型具有较好的预测准确度，且随着样本数据的更新，利用网络的自学习能力可以使得模型的准确度进一步提高。通过对系统的仿真研究，结果表明，基于规则的模糊推理能提高系统的鲁棒性，使得模型具有较强的鲁棒性，系统模型发生变化时，控制器仍具有良好的控制性能。 　　本文的研究目的在于通过对智能控制理论的研究和对水处理混凝过程的分析，探索出一种适合我们目前水厂自动化水平的实现混凝投药智能控制的方法。研究结果表明，基于模糊神经网络的混凝剂投加系统具有设备和资金投入少的优点，非常适合目前我国水厂的自动化水平，有广阔的应用前景。