活性污泥法污水处理过程是一种模拟自然界中水的自净化过程、利用活性污泥中微生物的新陈代谢作用去除污水中污染物的方法。由于进水水质水量的剧烈变化,以及微生物生长的复杂性,使得该过程具有多变量、非线性、强耦合、大滞后和不确定性等特点,这导致了其过程控制自动化水平的相对落后。　　 为提高污水处理的出水质量、降低污水处理成本、保障污水处理系统的高效平稳运行,进行污水处理过程的智能控制方法研究具有重要的理论和现实意义,并且可以为其它非线性、大滞后的复杂系统控制问题提供有益的借鉴。　　 本文在深入分析现有研究成果的基础上,针对活性污泥法污水处理过程中的溶解氧浓度和微生物浓度的控制问题,设计了基于递归神经网络的控制方法,并通过仿真实验验证了该方法的可行性和有效性。主要工作如下:　　 1、根据活性污泥系统的内在机理,建立了活性污泥污水处理系统的数学模型,该模型反映了溶解氧浓度、活性污泥浓度以及底物浓度之间的内在关系,为进行污水处理系统的控制研究提供了依据;　　 2、对活性污泥法污水处理过程中溶解氧浓度的控制,设计了递归神经网络控制器,详细分析了其结构及算法,并验证了该控制器的鲁棒性与自适应性。通过与前馈神经网络控制进行对比实验,证明该控制器具有更好的动态性能。　　 3、对活性污泥法污水处理过程中溶解氧和微生物浓度的多变量控制,设计了基于改进Elman递归神经网络的控制器,推导出了改进Elman网络的权值调整公式,并将其应用于污水处理过程中,保持曝气池中溶解氧和微生物浓度在一定水平,使污泥具有良好的去污能力和沉淀性能。　　 论文围绕污水处理过程控制问题,研究了递归神经网络控制方法,提出了两种递归神经网络控制器,分别用于污水处理过程的单变量和多变量控制中,研究工作对类似的复杂过程控制问题提供了可借鉴的思路。