混凝剂的投加是城市供水处理过程中净水处理的重要环节，混凝剂投加自动化是实现自来水生产自动化的关键。准确地投加混凝剂可以有效地减轻过滤、消毒设备的负担，在保证满足出水浊度要求的前提下尽量减少混凝剂的投加量，具有良好的经济效益和社会效益。因此，近年来这一问题受到控制领域和制水领域科技工作者的高度关注。　　 加药凝絮是一个复杂的物理化学反应过程，且具有非线性、时变性、大时滞性、大惯性等复杂特点，特别是大时滞的存在严重影响了系统的稳定性，导致系统的超调量变大，调节时间大大加长，甚至出现震荡、发散，系统的动态品质明显变差。自来水厂的混凝投药过程反映到控制理论上是一个大时滞、受外界因素干扰不确定和难于精确建模的复杂过程，并且对该过程使用传统的、简单的控制方法已经不能得到较好的控制效果。　　 本论文以两个水厂基金项目1为研究背景，针对加药凝絮过程的复杂特性，提出了基于BP神经网络的系统辨识方法，得到了水厂加药凝絮过程的预估模型，并在此基础上，对加药凝絮过程做了时滞预估PSD控制、一自由度IMC-PID控制和二自由度IMC-PID控制的仿真研究。具体研究内容如下：　　 （1）基于BP神经网络的水厂加药凝絮过程辨识：基于经过多步预处理的水厂实际工程数据，采用动态BP神经网络，通过阶跃响应试验得到水厂加药凝絮过程的预估模型。首先，对来自水厂的实测工程数据进行人工处理、去野值、光滑处理和归一化等一系列处理后，得到可用于过程辨识的有效数据。之后，逐步确定动态BP神经网络模型，并对该动态模型进行学习训练，并对训练结果进行检验，使之具有加药凝絮过程的动态性能。最后，在训练好的动态BP神经网络模型上做阶跃响应试验，通过得到的阶跃响应曲线获得该加药凝絮过程的预估模型。　　 （2）加药凝絮过程的时滞预估PSD控制：在得到水厂加药凝絮过程模型的基础上，以此模型为被控对象，进行加药凝絮过程的时滞预估PSD控制研究。并根据实际仿真过程和仿真结果，时滞预估PSD控制算法不需要进行模型辨识，对大时滞被控对象具有非常好的鲁棒性，同时指出了它在实际应用中存在的问题。　　 （3）加药凝絮过程的一自由度IMC-PID控制和二自由度IMC-PID控制：以得到的加药凝絮过程模型为预估模型，对加药凝絮过程进行一自由度IMC-PID控制和二自由度IMC-PID控制研究。根据仿真结果，与传统的PID控制算法作对比，一自由度IMC-PID控制算法具有较好的快速性、平稳性和鲁棒性。将一自由度IMC-PID和二自由度IMC-PID控制仿真结果作对比，分析了一自由度IMC-PID控制算法的不足之处，以及二自由度IMC-PID控制算法的优势。