污水处理是一个具有强耦合性、参数时变性的复杂非线性过程,其出水水质受入水流量、温度及生化反应池中溶解氧、总氮、总磷等组分浓度的影响;污水处理过程的复杂性使得对其难以建立精确的数学模型,极大地增加了控制难度,而污水处理过程中的溶解氧浓度是决定出水水质优劣的关键性因素,因此对污水处理过程进行性能仿真分析以及对溶解氧浓度进行控制具有重要的意义。本文对污水处理过程模型的建立、系统性能的分析及溶解氧浓度的控制策略进行了研究。首先,对污水处理工艺和污水处理过程的动力学模型进行了描述,结合实际污水处理工艺,重点描述了活性污泥2号模型(ASM2)的反应机理;根据所介绍的ASM2模型的物质分类及反应速率,推导出ASM2数学模型并对反应池内各组分浓度变化进行了仿真分析。其次,针对污水处理过程的不稳定、大惯性等特点,以保证合适的溶解氧浓度为控制目标,采用了基于临界比例度法的溶解氧浓度PID控制策略。临界比例度法可直接在闭合的控制系统中对PID参数进行整定,快速准确的调整PID控制器参数达到溶解氧浓度调节的实时性和精准性的目的。仿真分析表明,基于临界比例度法的PID控制策略应用于溶解氧浓度控制具有可行性且有良好的控制效果。然后,由于污水处理过程中进氧量与溶解氧浓度之间具有强非线性、响应速度慢的特征,本文采用了神经网络预测控制(NNPC)策略。该控制策略基于LM(Levenberg-Marquardt)算法将BP神经网络作为溶解氧的预测模型,通过反馈校正和滚动优化实现溶解氧浓度的控制,最终改善抗干扰能力并提高控制精度;此外,为提高出水水质、降低运营成本,本文还采用了基于神经网络预测控制分层控制结构,该结构上层根据入水组分浓度来确定溶解氧浓度的设定值,下层采用NNPC方法使溶解氧浓度跟踪设定值变化。最后,考虑到污水处理过程本身特性以及其对溶解氧浓度控制的快速性的要求较高、动态调节鲁棒性差等特点,引入广义预测控制(Generalized predictive control,GPC)方法,采用带遗忘因子的最小二乘法对溶解氧浓度模型进行辨识,将所得的自回归积分滑动平均(CARIMA)模型作为预测模型,并运用广义预测控制算法对溶解氧浓度进行控制。仿真分析结果表明,相比传统PID控制方法,所设计的GPC控制方法对溶解氧浓度的控制具有超调量小、响应速度快等优点。