城镇污水目前最广泛的处理方法之一是活性污泥法,且普遍存在污泥膨胀问题,给污水处理带来负面影响,甚至造成巨额经济损失,因此污泥膨胀的预防现实意义重大。而污泥沉降比(Settling Velocity,SV%)作为污泥沉降性能的主要指示参数之一,可以为污泥膨胀预测提供方向。但污水处理系统非线性程度高、运作机理复杂,且具有不确定、实时变化等特点,传统方法已暴露出许多缺陷,所以引入神经网络求解有其现实意义。本文研究并设计了实时污泥沉降比软测量器,内容包括下列方面:软测量模型、误差反向传播(Back Propagation,BP)网络工作原理、网络优化、软测量器架构、测试与应用。主要研究内容和成果如下:(1)分析了污泥膨胀机理,并对比统计回归、模糊规则等多种建模方式,选取人工神经网络建模并构造出BP网络软测量模型。(2)对BP网络进行优化,主要采用粒子群算法(Particle Swarm Optimization,PSO)优化网络的权阈值,采用黄金分割法优化网络隐层结构。再针对PSO本身存在的不足,采用对数惯性权重、自适应变异算子、动态学习因子对网络进行更加深度的优化。(3)设计了实时软测量器,主要包括辅助变量现场数据收集、BP网络计算、实时数据通讯、用户界面开发等环节。测试结果验证了建模的正确性和软测量器的实用性。本文设计的基于改进型PSO-BP网络的软测量器搭建方便,工作稳定,精度高,时效性好,可以作为测量SV%的参考方案。