活性污泥法是目前应用最广泛的污水生物处理方法,由于微生物生长机理复杂,而且进水水质水量的波动很大,使得该过程具有非线性、强耦合、大滞后和不确定性等特点,这导致污水处理过程控制非常困难。我国污水处理过程控制水平相对落后,出水水质难以保证,能量消耗较大,研究污水处理过程的智能优化控制方法具有重要意义。论文以国际水质协会(IAWQ)提供的1号基准仿真模型(BSM1)为基础,研究了溶解氧控制系统的神经元自适应PID控制、脱氮过程的神经网络预测优化控制、基于分工策略的粒子群算法的污水处理过程优化控制,实验结果证明了控制方案的可行性与有效性。主要工作如下:1、深入研究了活性污泥法污水处理模型BSM1,在Matlab环境下建立仿真模型并进行数据验证,证明了模型的正确性和可靠性,为控制方法的性能评价奠定了基础。2、针对污水处理过程溶解氧浓度的控制,设计了神经元自适应PID控制器。该控制器可以在线优化权系数和增益系数,具有简单实用、鲁棒性能好、参数易调节等特点。实验结果表明,与传统的PID控制相比,当进水水质参数发生较大波动,工况发生变化时,神经元自适应PID控制器具有更优越的控制性能。3、针对污水处理脱氮过程提出一种神经网络预测优化控制策略。分析了脱氮过程中主要组分之间的相互影响关系,选择好氧区末端溶解氧浓度和缺氧区末端硝酸氮浓度的设定值为控制量,应用神经网络预测优化策略降低出水氨氮和总氮浓度。4、考虑到污水处理过程能量消耗过大、运行成本居高的问题,提出了一种基于分工策略粒子群算法的优化控制方案。综合考虑出水水质、曝气能耗和泵送能耗,通过动态优化底层神经元PID控制器的最佳设定值达到出水水质高、能量消耗少的目的。论文围绕污水处理过程的智能优化控制问题,研究了神经元自适应PID、神经网络预测优化控制、基于粒子群的优化控制等控制策略,并仿真验证了其有效性,研究工作对类似的复杂过程控制问题提供了思路。