沼气厌氧发酵利用厌氧微生物进行发酵,产生沼气以获取清洁能源,其中影响微生物代谢过程重要参数为水解液pH值。然而厌氧发酵过程pH值变化存在非线性,时变和时滞的特性,难以建立精确的模型。因此传统控制算法容易产生超调与振荡,导致沼气生产效率不高。针对这种情况,本文开发了一种基于神经网络的规则自组织模糊控制算法。主要研究内容和成果如下:首先,分析厌氧发酵过程pH变化规律,确定pH值控制过程中的控制参数与干扰参数,构建了pH值控制的简化控制模型。其次,研究了基于RBF和BP神经网络的沼气厌氧发酵PH值控制算法。利用神经网络对被控过程的逼近能力,对水解液pH值的变化进行辨识与学习,得到最优的网络结构。再利用仿真检验BP神经网络和RBF神经网络的逼近效果。通过与样本数据的比较,发现二者都能够很好的辨识厌氧发酵过程水解液pH值的变化过程,其中RBF神经网络的辨识效果优于BP神经网络,且训练时间更短,网络结构更为简单。最后,研究了沼气厌氧发酵pH值控制的神经网络-模糊控制设计算法。利用辨识好的网络模型替代实际发酵过程,进行模糊控制设计,并对设计好的模糊控制器进行仿真。针对pH变化的时滞性,在模糊控制器中增加了规则自组织模块,利用校正规则表对前一个时刻的控制作用进行校正,并对模糊控制规则表进行微调,提高控制精度。结果表明,pH值控制过程得到明显改善,其中基于RBF神经网络-规则自组织模糊控制方法控制效果良好,将控制精度从6.8±0.2提高到6.8±0.1。