污水处理过程具有多变量、非线性、强耦合、大滞后和不确定性等特点,使得其建模及其复杂和自动控制水平的相对落后。针对污水处理过程中水质变化剧烈,要求溶解氧的质量浓度不同等问题,提出了一种自适应模糊神经网络控制方法,对变参数的活性污泥法污水处理系统的溶解氧的质量浓度进行控制。为提高污水处理的出水质量、降低污水处理成本、保障污水处理系统的高效平稳运行,进行污水处理过程的智能建模与控制方法研究具有重要的理论和现实意义。首先介绍了目前国内外污水处理过程的控制现状和检测方法,以及污水处理系统模型的发展过程,在分析活性污泥污水处理系统的内在机理基础上,通过简化建立了反映溶解氧、活性污泥以及底物之间内在关系的数学模型,在分析变参数活性污泥污水系统模型的稳定性及可控性基础上,通过状态反馈的方法改善了系统模型的稳定性。然后提出控制方案,介绍了模糊控制的设计方法和三种典型的模糊神经网络,针对模糊控制的四个部分,设计了一种基于标准神经网络模型简化的四层模糊神经网络,并使用加入动量项的变速率BP算法作为模糊神经网络控制器的学习算法。最后仿真结果表明该控制方法能够在线调整隶属函数,优化控制规则,将其应用于活性污泥法污水处理系统中可以快速、准确地使溶解氧达到期望要求,并具有较强的鲁棒性。