近年来我国造纸工业污染问题尤为突出，治理任务仍然相当繁重。由于废水处理的复杂性、非线性、时变性、不确定性和滞后性等特点，单纯的人工操作造成出水水质的稳定性差，出水COD值高，一般难于回用，增加了生产车间清水的补充量，加重生化处理工段的负荷，处理费用高。而传统控制理论由于自身的缺陷，控制效果也不尽人意，智能控制技术特别是神经网络与模糊控制的结合被认为是解决废水处理的有效手段。基于此，本文正是讨论了模糊神经网络在废纸造纸废水处理中的智能控制。 首先，确定了废纸造纸废水处理的工艺条件，建立了带有自动控制环节的废纸造纸废水处理系统，在该系统下进行正交试验取得了样本数据； 其次，根据对废纸造纸废水处理特征和模糊神经网络的分析，提出了智能预测和控制模型方案，其中前者采用基于Takagi-Sugeno推理的网络，后者采用基于标准型的模糊神经网络，两者分别以试验得到的64组数据和基于经验的49条模糊规则作为样本数据，结合模糊C均值聚类和混合算法完成网络的结构辨识和参数辨识，仿真结果表明，预测模型具有很好的学习能力和泛化能力，训练数据的相对误差范围为0-0.008％，测试数据的相对误差范围为0.143-15.927％，控制模型可根据不同情况调整加药量。 针对MCGS组态软件的要求，在组态环境中完成5个窗口的组态及与外部设备的通讯；在STEP7-Micro/WIN32编程软件中编写了相关PLC程序并下载到PLC中；在高级开发包生成的VB程序框架中编写模糊神经网络模型算法，然后按照MCGS的接口函数规范将算法嵌入到MCGS中，实现了对废纸造纸废水处理系统的智能控制。 最后，在实验室条件下进行验证试验，当固定原水COD，改变进水流量时，智能控制的出水COD在设定值332 mg·L<-1>附近波动；当固定进水流量，改变原水COD值时，智能控制的出水COD在设定值345 mg·L<-1>附近波动。另外，在MCGS数据库中还保存了系统运行时的丰富数据，出水外观清澈透明，实际生产时可部分回用于车间的有关工段，COD值可以大致稳定在较低的设定值范围内，特别有利于后续的生化处理，表明基于模糊神经网络算法的智能控制系统，能够有效的实现对废纸造纸废水处理系统的智能控制。本文可为智能控制在废水处理领域的深入研究，推广具有智能控制功能的废水处理工程示范点提供参考。