在污水处理过程中，pH值作为表征水酸碱特性的指标，是评价水质是否合格的重要标准之一，同时pH值对污泥中好氧微生物的繁殖有一定的影响，因此在污水处理过程中，对pH值进行有效地控制是至关重要的。 pH中和过程是典型的非线性和大滞后过程，因此对该过程的辨识与控制是控制领域中的难题之一，如何处理系统的非线性问题和大滞后问题是解决该问题的关键。针对污水处理pH中和过程的特点，提出了一种新的基于非线性时滞细胞神经网络的辨识方法，并应用李雅普诺夫理论证明了此辨识方法的误差收敛性。将该方法应用于中和过程建模，设计了pH中和过程的细胞神经网络辨识器，仿真结果表明该方法不仅可以实现权值的在线调整，而且能很好的实现中和过程的在线辨识。此外，用BP神经网络对pH中和过程进行辨识，并将两种方法的辨识效果进行对比，结果表明细胞神经网络辨识方法能够更好的辨识具有非线性和纯滞后特性的pH中和过程。 细胞神经网络辨识为pH中和过程有效控制奠定了基础。本文利用辨识得到的细胞神经网络模型设计了pH中和过程的细胞神经网络自适应控制器，仿真结果表明该控制方法具有上升时间短、超调量小、稳态性能好，抗干扰能力强的优点。 最后设计了一套简单实用的pH中和实验平台，应用组态王软件设计了监控系统。将本文提出的基于细胞神经网络自适应控制方法应用于该实验平台，很好的实现了pH中和过程的自动控制，从而验证了该方法的有效性和实用性。