混凝工艺是矿井水处理的关键环节，准确控制投药量是取得良好混凝效果的首要前提。投药系统不仅与原水水质参数有关，而且受到复杂的混凝工艺影响，属于大滞后、非线性、时变系统，一直未能得到有效地控制。 论文全面分析了影响混凝效果的水质参数，对国内外混凝投药控制方法进行了比较分析。这些方法都是以常规的数学模型为基础，在实际应用有一定的难度。神经网络控制则基本上不依赖数学模型，适用于混凝投药这种高度非线性和不确定性的被控对象。因此，本文旨在建立基于神经网络控制的混凝投药系统。 在深入研究了神经网络过程辨识理论的基础上，针对BP神经网络在工程中应用所存在的问题，对如何确定网络的隐层节点的工程实际，本文提出了一种隐层节点优化的BP网络算法。其基本思想是根据隐层节点的联接权值和阈值变化情况，自动删除病态的联接权值和隐层节点并实现功能匹配，最终使得每个隐层节点都在正常状态。这种算法既简化了BP网络结构，又提高了运行效率。 在详细研究混凝机理和混凝动力学的基础上，结合工程实际建立了基于神经网络的混凝投药控制模型。模型分为两个部分，一是基于神经网络辨识理论的原水水质参数前馈控制器，一是基于神经网络PID控制的沉淀过滤池出水浊度参数反馈控制器。 原水水质参数前馈控制是通过对原水水质参数的测量，并根据其参数变化特性来控制投药量。由于整个矿井水水处理系统由于具有惯性和纯滞后的特性，当原水水质参数发生变化，而沉淀过滤池出水浊度尚未发生变化时，前馈控制器就实施控制，可使被控量不因原水条件的变化而产生效果偏差。 出水浊度参数反馈控制是通过对取样点参数的巡回检测，将测量结果与系统设定的最优值进行比较，利用本文设计的神经网络PID控制器来控制混凝剂的投加量。无论遇到什么干扰，一旦被控变量的实际值偏离给定值，反馈控制就自动校正偏差，主要用来补偿前馈控制器，从而提高系统的控制精度。 论文针对铁法煤业有限公司大兴矿的矿井水处理量和沉淀过滤设备，设计了具有本地监控和远程监控的全自动混凝投药系统。并将混凝投药控制模型嵌入到系统中，满足沉淀过滤出水浊度控制目标，取得经济投药量。 本文设计的混凝投药系统已通过铁法矿物局技术鉴定，正在全局范围内推广。