1.一种生化反应的人工神经网络智能曝气装置的控制方法，其特征在于，所述人工神经网络智能曝气装置包括：控制器、曝气机、调节池、SBR生化池、MBR膜分离池、出水池、进水水质监测组件和出水水质监测组件；

所述调节池中设置提升泵，用于将汇入调节池的污水抽入SBR生化池；所述SBR生化池用于对污水进行生化反应，并将进行生化反应后的污水汇入MBR膜分离池；所述MBR膜分离池用于对进行生化反应后的污水进行泥水分离，得到过滤后的水；所述出水池用于盛装过滤后的水；所述进水水质监测组件插入调节池，用于采集进水数据，并发送至控制器；所述出水水质监测组件插入SBR生化池，用于采集曝气过程的水质数据，并发送至控制器；所述控制器用于根据进水数据和水质数据，对曝气机的曝气量进行控制；所述曝气机用于对SBR生化池输入氧气；

所述进水水质监测组件包括：流量计、COD检测仪、TP检测仪、TN检测仪、DO检测仪、温度检测仪和pH检测仪；

所述出水水质监测组件包括：COD检测仪、TP检测仪、TN检测仪、DO检测仪、污泥浓度检测仪、pH检测仪和ORP检测仪；

所述控制方法包括以下步骤：

S1、根据进水水质监测组件和出水水质监测组件采集的数据，对神经网络模型进行训练，得到初步训练的神经网络模型；

所述神经网络模型包括：输入层、隐含层和输出层；输入层与输出层的关系为：其中， 为输出层的输出， 为输入层的第 个输入量， 为输入量的数量，为 为第 个输入量对应的实际输出， 为第 个隐藏层神经元第 个输入量对应的径向基中心， 为第 个隐藏层神经元的径向基宽度； 为第 个隐藏层神经元第 个输入量的权重， 为隐藏层神经元的数量， 为第 个隐藏层神经元的权重， 为隐藏层神经元的数量；

所述第 个隐藏层神经元的权重更新公式为：

其中， 为第 次迭代的第 个隐藏层神经元的权重， 为第 次迭代的第 个隐藏层神经元的权重， 为第 次迭代的第 个隐藏层神经元的权重变化量；

所述权重变化量 的公式为：

其中， 为移动步长， 为第 次迭代的梯度均值估计量， 为第 次迭代的梯度统计离散度估计量， 为第 次迭代的衰减因子， 为第 次迭代的衰减因子， 为第 次迭代的梯度均值估计量， 为第 次迭代的梯度统计离散度估计量， 为第 次迭代的输出层的输出， 为常数；

S2、将初步训练的神经网络模型部署在控制器内；

S3、实时采集进水水质监测组件和出水水质监测组件的数据，并输入控制器内，调整初步训练的神经网络模型的网络参数；

S4、根据调整后的神经网络模型，计算得到曝气机的曝气量。

2.根据权利要求1所述的生化反应的人工神经网络智能曝气装置的控制方法，其特征在于，获取所述径向基中心包括以下步骤：A1、计算所有输入量之间的距离，得到样本距离集合；

A2、从样本距离集合选取多个不同的样本距离作为初始中心；

A3、计算多个输入量到每个初始中心的距离；

A4、判断是否存在距离小于距离阈值，若是，则将输入量加入对应的初始中心，得到多个相似集合，若否，则将该距离作为新的初始中心，并跳转至步骤A3，直到所有输入量均分配到相似集合；

A5、根据相似集合中所有输入量，得到径向基中心。

3.根据权利要求2所述的生化反应的人工神经网络智能曝气装置的控制方法，其特征在于，所述步骤A5中径向基中心的计算公式为：其中， 为一个相似集合中第 个隐藏层神经元第 个输入量对应的径向基中心，为相似集合中输入量的数量， 为输入层的第 个输入量。