近年来膜生物反应器(MembraneBioreactors,MBR)工艺在污水处理中的应用格外引人注目。该工艺与传统的废水生物处理工艺相比,具有出水水质好、出水可直接回用、设备占地面积小、便于自控、活性污泥浓度高和剩余污泥产量低等优点。本课题根据MBR污水处理的工艺要求对PLC进行了硬件选型和软件设计,主要包括污水预处理区、MBR反应区和污泥处理区三部分。　　 MBR运行的突出问题主要是膜污染,膜污染不仅会降低膜的产水率、增加运行费用,而且影响膜生物反应器的稳定运行。本文根据现场运行参数,探讨了预测MBR工艺在运行中发生膜污染的方法。MBR运行控制过程是一个多变量,多目标的包含海量信息的复杂控制系统,膜污染因子较为复杂且各因子之间相互交叉,难以建立精确的数学模型。因此,本文采用神经网络算法建立了膜污染模型预测模型。首先分析膜污染形成原因,针对膜污染因子复杂多变的特点,以及神经网络对于控制领域的强大吸引力,提出采用基于神经网络计算方法的膜污染预测的建模方法。利用主元分析法(PCA)实现过程变量的降维和去相关,实现辅助变量的精选,从而达到简化神经网络输入的目的。然后建立基于BP神经网络的膜污染预测模型。对标准BP算法进行了分析,建立了膜污染预测的BP神经网络模型并进行详细的讨论,指出BP算法收敛速度慢,易陷入局部极小点,网络泛化能力不强等缺点及原因。最后提出了一种新膜污染预测方法—基于PSOBP神经网络的膜污染预测模型。PSOBP算法是用粒子群算法来优化神经网络,计算适应度函数,最后对优化权值后的网络进行训练。仿真结果表明:与标准BP算法相比,PSOBP算法具有收敛速度快、收敛精度高、稳定性好等特点。　　 基于神经网络的膜污染预测模型,不仅有助于实现膜生物反应器中污水处理的膜污染预测控制,而且对于其它复杂过程的优化控制也有积极影响。