2016年5月25日，由中国自动化学会主办，北京工业大学协办的污水处理过程智能控制研讨会在北京工业大学建国饭店举行，会议规模为60人。

研讨会宗旨是针对当前城市污水处理运行亟需解决的能耗较高且出水水质不达标等问题，以提高污水处理过程控制性能、促进污水处理过程节能降耗及环保为研究目标，开展污水处理过程智能控制及智能优化控制方法研究。该研究从智能信息处理的角度出发，深入分析污水处理生化反应过程和污泥沉降过程动力学特性，充分利用系统运行数据和经验知识，探索智能识别、智能决策和智能自组织优化控制方法在处理复杂污水处理过程中所具有的优势，从而形成智能控制技术，实现污水处理低成本稳定运行。

研讨会首先由北京工业大学的乔俊飞教授介绍污水处理智能控制现状，从智能控制应用在工业过程中的发展历程及其在污水处理过程亟需解决的问题中所具有的优势包括减小系统干扰对运行的影响，优化系统运行、提高处理效率和降低运行成本等方面进行了详细的阐述；其次由北京工业大学的韩红桂分享污水处理自组织控制方法，通过分析传统的控制方法难以实现污水处理过程的实时优化控制等局限性，提出了具有自学习、自适应和自组织的智能控制方法，智能控制方法不仅可以根据工况变化实时调整控制结构来提高控制精度，而且可明显降低污水处理过程运行成本；然后由北京城市排水集团有限责任公司的阜威进行污水处理运行控制的交流，从工程实践的角度系统介绍城市污水处理系统的常用仪表、过程控制系统及控制策略，以及污水处理主要处理方法活性污泥法中生物脱氮除磷的过程控制以及智能优化控制等内容；接着中科院自动化所的程龙分享了模糊神经网络控制及应用，污水处理系统控制要对不断变化的过程进行实时的控制，一方面要有处理模糊知识能力，另一方面要实时地跟踪系统状况，预测并控制系统参数向期望的方向转变。因此，处理知识模糊性的模糊逻辑控制和具备自学习的神经网络的结合，是污水处理过程实时控制的一个飞跃，将开辟污水处理过程控制的新局面；最后由北京理工大学的孙健对模型预测控制及应用专题进行交流，针对现有的工业预测控制算法需要在线求解把模型和约束嵌入在内的优化问题，涉及很大的计算量和计算时间等问题，提出了基于神经网络的模型预测控制方法，并将其应用在在污水处理过程，不仅提高溶解氧跟踪控制性能，且具有更好的自适应性和抗干扰能力。