运用一种基于K-聚类算法的模糊径向基函数（RBF）神经网络对污水处理中的溶解氧质量浓度进行控制，该方法结合了模糊控制的推理能力强与神经网络学习能力强的特点，将模糊控制、RBF神经网络以及K-聚类学习算法相结合以在线调整隶属函数，优化控制规则。通过对阶跃输入仿真分析，其结果表明基于RBF的模糊神经网络控制器具有良好的动态性能、较强的鲁棒性和抗干扰能力，使其快速、准确地达到期望水平。