水质分析以定量的方式对水环境状况进行实时监测和整体评价，是水资源规划和管理的基础，也是进行水资源保护的重要手段。早期的水质分析系统已经无法满足智能性、灵活性、全面性的要求。人工智能算法与机器人技术的发展为水质分析注入了新的活力。论文阐述了水质分析的研究现状，分析了现有单一评价算法的局限性，提出了BP神经网络与模糊数学相结合的评价模型。结合水质评价的独有特点，在matlab中比较了不同结构的BP神经网络在学习速度和收敛精度上的区别，构建了4-8-1三层结构的模糊BP网络串联模型。以标准水质样本作为训练集，采用LM改进算法作为学习方法对网络进行了训练。将BP网络输出的中间结果作为模糊系统的输入，分别选用三角形隶属度函数和Gaussian隶属度函数计算其隶属度，并根据最大隶属度原则判别其水质等级，客观、具体地评价水质。按照仿生学原理，设计并研制了机器鱼水质监测平台，以LPC2368作为主控芯片进行硬件搭建，并采用C/汇编语言构造嵌入式软件。应用LabWindows/CVI软件设计了人机操控界面，进行远程控制和数据交互。完成了IAP升级程序的设计，通过无线微波对机器鱼进行软件升级。本系统应用于武汉某湖泊进行实际水质分析，将评价结果与其他评价方法进行比较，验证了系统功能的完备性和优越性。