随着水环境污染的日益严重以及水资源的短缺,污水处理受到人们越来越多的关注。日益严格的出水排放标准要求污水处理厂配备先进的自动控制系统,而控制系统能够有效运行依赖于传感器的可靠性。测量仪器在污水处理厂非常恶劣的环境下极易发生故障,虽然可以使用高质量的传感器和专业人员定期维护但也不乏故障的发生。传感器发生故障将会使出水水质下降以及能耗增加。为了降低传感器故障带来的消极影响,需要在污水处理厂配置传感器故障检测与诊断系统。在污水处理过程中,溶解氧是影响出水质量的一个重要因素,监测溶解氧传感器是保证出水水质的关键。并且溶解氧传感器工作在控制回路中,对其检测是困难的。目前对污水处理厂溶解氧传感器故障检测的研究较少,并且由于以往的溶解氧传感器故障检测方法所涉及的控制系统复杂,这不仅增加了传感器使用成本还使故障检测的检测时间变长。并且这两种方法是通过定义阈值进行故障检测,但是其阈值是通过人为依据经验设定的,增加了检测的不确定性。因此,本文提出一种新的溶解氧传感器故障检测方法,通过建立区间预测模型进行溶解氧传感器的故障检测。此方法利用的控制系统简单,故障检测时间延迟小,并且利用置信区间作为阈值,置信区间的计算不需要任何变量的统计特性。本文主要研究内容概述如下:（1）溶解氧传感器故障分析:为了验证溶解氧传感器故障检测困难且重要,分别对溶解氧控制过程和溶解氧传感器故障影响进行分析。实验结果表明,当溶解氧传感器发生故障时,其故障不会从其信号本身中看到,但是第五分区的氧气转移系数（KLa5）会偏离无故障情况。并且会使污水处理厂出现出水水质不达标和运行能耗增加的现象。因此,通过对KLa5建立模型可以检测溶解氧传感器故障,并且对溶解氧传感器故障检测的研究具有重要意义。（2）溶解氧传感器故障检测前沿方法介绍与改进:针对自适应模糊推理方法的缓慢漂移故障检测过程中,需要定义的阈值过多,且检测过程复杂的问题进行了改进。实验结果表明,改进后的方法能够有效的检测出溶解氧传感器故障,并且比未改进前的检测过程简单。但是前沿方法存在故障检测延迟长,传感器成本高的问题,并且存在的本质问题是对阈值的定义是人为根据经验设定的。（3）区间预测模型的建立:本文区间预测建模的核心思想是利用RBF神经网络的逼近能力对非线性系统建模,然后利用AIC准则确定模型的阶次和网络隐含层节点个数,使用集员辨识算法得到网络的输出权值的集合描述。此模型可以单步预测系统输出的置信区间,置信区间是残差阀值的一种表达形式,并且此置信区间的计算不需要任何变量的统计特性。实验结果表明,利用AIC准则方法能够确定非线性模型阶次,并且得到的网络结构更紧凑,在上述情况下利用集员辨识算法得到的置信区间的保守性更低。（4）基于KLa5区间预测模型的溶解氧传感器故障检测:针对气流比和自适应模糊推理方法存在控制系统复杂,故障检测延迟长以及阈值定义不明确的问题。提出了一种新的溶解氧传感器故障检测方法,通过建立KLa5区间预测模型,利用KLa5的置信区间设计溶解氧传感器故障检测策略进行故障检测。考虑三种故障场景进行仿真实验,实验结果表明,所提出的方法能够有效的检测溶解氧传感器故障,并且该方法控制系统简单,故障检测延迟小以及置信区间的计算不需要任何变量的统计特性。