城市污水是当前水污染的重要原因,是制约社会可持续发展的主要原因之一.目前污水处理由于进水水质及其各种参数时刻变化,导致出水水质不易在线实时测量,造成废水处理成本较高,且至今无法实现实时和闭环控制.针对这种情况,本课题研究用人工智能建模方法建立污水处理过程的动态数学模型;研究污水处理过程出水水质在线软测量的方法,保证出水水质的稳定,降低能源消耗,降低生产费用,解决污水处理自动控制过程中存在的关键问题.本文以生活污水处理为研究对象,以软测量技术为基本理论,对当前较为先进的、基于神经网络的软测量方法进行了广泛和详尽的分析论述,在此基础上,提出了以RBF神经网络为基础的软测量数学模型建立方法.通过利用我校化学与环境工程学院SBR法污水处理实验室装置,实际运行获得了建模数据,选取学习速度快,能在线校正的RBF神经网络,运用MATLAB6.5神经网络工具箱建模仿真,得出了基于软测量技术的污水工艺神经网络模型.在此基础上进一步通过模型对实际抽样工作点进行仿真预测,仿真结果表明,采用RBF神经网络建立软测量模型是可行的,所建模型是合理和正确的.针对所建立的模型,本文提出了实际工况中以溶解氧DO为主要控制变量、以出水生化需氧量BOD浓度不超过国家排放标准为约束条件的优化控制方案,提出分段风机频率模糊控制策略,降低费用成本,保持风机频率处于平稳工作状态.在此基础上,利用VB6.0编制了基于神经网络的软测量应用程序.界面友好,便于操作,重点实现了软测量应用程序与组态王的DDE数据通信,为进一步以软测量为基础的系统优化控制创造了条件.