针对污水处理系统一般在实际运行时总都面临着不同的工作日进水水质复杂、波动大、经常超负荷的情形，要求溶解氧的质量浓度不同等问题，设计了一种模糊RBF神经网络控制器，用来控制参数变化的活性污泥法污水处理系统的溶解氧质量浓度。为了实现达标、稳定、高效、低耗的目标，对污水处理过程进行智能建模与控制方法研究具有重要的理论和现实意义。首先简要概述了污水处理过程中常见的控制变量、以及污水处理厂自动控制水平和污水处理过程中智能控制的研究现状，重点介绍了污水处理过程的方法、原理以及静、动态模型，并结合微生物增殖动力学和有机物降解动力学模型，建立了本文被控对象仿真用数学模型。然后提出控制方案，介绍了RBF神经网络和两种模糊神经网络，根据模糊控制的四个部分，设计了与其对应的四层模糊RBF神经网络，并使用K-聚类算法和梯度下降法相结合的算法作为模糊RBF神经网络控制器的学习算法。最后对MATLAB仿真曲线进行对比和分析，可以得到，这种控制方法对模糊规则能够进行改进，并且能够动态地对隶属函数进行调整。和传统的模糊控制方法相比，该控制方法拥有更理想的控制效果，可以使溶解氧的浓度更准确的达到期望的要求，同时该方法的抗干扰能力和鲁棒性能都很强。