生物流化床是一种高效的污水处理新技术,属于一种非线性、大滞后、时变、多变量耦合的复杂系统,难以建立精确的数学模型,同时缺少智能、有效的控制方法和方案。生物流化床的自动控制问题已成为其广泛应用的重要障碍之一。本文在介绍了生物流化床的特性和发展状况,深入分析了生物流化床以及流化床在其他领域的先进控制及其应用情况后,提出了一套生物流化床污水处理智能控制方案。为解决污水处理过程出水水质指标(如BOD5,Biochemical Oxygen Demand)难以在线测量问题,并考虑到污水处理过程与时间有关的特点,建立了基于过程神经网络的生物流化床污水处理出水水质BOD5的软测量模型。在基于正交基展开的学习算法基础上进行改进,采用遗传算法对模型训练的学习速率进行优化,实现自适应变速率的学习。通过实验及仿真验证了该方法的有效性。针对生物流化床污水处理系统的非线性、时滞、时变和多变量耦合等问题,提出一种基于遗传算法的改进T-S模糊自适应控制方法。采用遗传算法优化模糊隶属度函数,引入积分环节,降低T-S模糊控制器维数,简化规则,并引入模糊预估方法对系统的时滞进行补偿。另外,本文对基于DRNN(Diagonal Recurrent Neural Network)网络辨识的自整定PID控制进行了建模研究,通过DRNN神经网络对被控对象进行在线辨识,建立其在线模型并为PID控制器提供梯度信息。同时考虑到系统输出变量之间的特殊耦合关系,将反馈偏差划分为不同等级,来调整PID参数修正速率的快慢,并在生物流化床方面应用做了仿真分析。实验结果表明,方法可行且有效。最后完成了基于西门子S7-200生物流化床污水处理实验系统的设计与搭建工作,对Webaccess与Flash交互制作的监控软件设计进行说明。