污水处理智能控制主要针对序批式活性污泥法(SBR)而设计，在保证出水水质的前提下尽可能地节省运行费用，同时实现工艺过程的优化控制，从而提高污水处理运行的效率。污水处理的动态过程十分复杂，很难用数学模型准确地描述，而且，运行的费用庞大。所以，在污水处理中，自动控制技术向智能化发展已经势在必行，是降低运行成本的有效途径，成为目前研究的热点之一。 为了实现优化控制，研究污水处理过程的神经网络建模方法，寻求性能指标与控制变量的关系。构建以溶解氧浓度Do为控制变量，排放有机物量Z、污泥排放量Qw和电费Jc等为输出量的RBF神经网络模型。针对污水处理的特点，研究粒子群算法中DO参数的编码、初始种群和适应度的生成方法以及算法中控制参数的设定。提出以每日允许排放的有机物总量为约束条件，以运行费用(耗电量)为适应度函数，基于粒子群算法的污水处理过程优化控制方法，求解出溶解氧DO的优化曲线。 本文重点介绍的是DO模糊控制器的设计方法和基本步骤。在此基础上，引入了自适应模糊控制器的思想，并经过实验室仿真和现场调试，最后采用全系数自适应控制理论方法中的参数预报思想，根据误差和误差变化率预估以后的误差值，再用模糊控制方法进行控制决策，构成自适应模糊控制算法。通过实时地改变风机的频率实现对DO不同曲线的控制，明显地节省了电能，降低了污水处理的成本。 本文介绍了污水处理系统优化控制的总体思想，以DO为主要参数将优化和控制两部分紧密地联系在一起，从而形成了一个闭环的系统。为了使得上述污水处理过程能够实现自动化，本文应用Visual Basie和MATLAB工具开发了用于污水处理的工程化优化控制软件。软件的主要功能是实现污水处理过程的自动化或半自动化控制，为用户进行污水处理的优化与控制提供了很方便的管理工具。