在目前我国常规的水处理工艺过程中，混凝沉淀过程是其中一个重要的关键环节。因为水质以及实际系统的工况情况，如何实现混凝剂投加的智能化控制，是当前水行业研究的一个热门话题。本文以实际项目为背景，引入智能控制科学的一个重要分支-人工神经网络，利用它具有大规模并行运算、自适应、自学习、容错性的能力，建立一种基于神经网络的模型，尝试研究一种新的混凝剂控制方案。神经网络本身适合多因素非线性系统，正因为这些特点，它在解决控制对象的非线性、滞后等问题都表现了很大的灵活性。同时，还有效地结合了人类经验信息，对混凝剂实现了很好的投加。本文以这些人工智能理论信息为基础，重点研究混凝剂控制系统。文章首先介绍我国国内水处理的工艺流程，从整体上出发，设计一个适合国情要求的DCS系统，并分别对各个组成部分作了一个简要的介绍。接着，文章研究了混凝在水处理过程中的作用原理以及工艺特点，分析了混凝剂投加量与出水水质之间的相关关系，并考虑到实际系统的运行特点，结合人工经验，建立了一个神经网络模型与前馈补偿相结合的混合控制模型，目的在于解决水处理运行过程中的两个重要问题：1．如何根据实际的水质确定合适的混凝剂投加量；2．如何处理水质或系统工况发生重大变化对混凝剂的投加控制。最后，将混凝剂控制模型嵌入到实际的水处理系统中进行试验运行。通过试验分析得出：这种混合模型不仅实现了对混凝剂的自动控制，降低了工作人员的劳动强度，而且对提高我国的水行业的自动化水平也起到了一定的作用。