油水分离水力旋流器是石油工业中的一种重要的新型离心沉降分离设备。旋流器内分离过程非常复杂,影响因素和指标参数之间的关系是一个典型的多维非线性系统,很难用简单的线性数学工具来描述。人工神经网络是一种非线性动态系统,在处理多变量非线性系统和未知模型系统方面具有很大优势。本文采用人工神经网络建立油水分离水力旋流器的数学模型,根据旋流器的物性参数、结构参数和操作参数,预测旋流器的分离性能。根据旋流器的实际运行工况,在综合考虑网络的训练速度、训练误差和预测误差地基础上,给出优化的18-30-2 型三层BP 神经网络模型。针对BP 神经网络存在的缺陷,采用PRP 共轭梯度法和遗传算法优化BP 神经网络算法,使神经网络的训练速度和预测精度有显著的提高。利用人工神经网络模型对水力旋流器分离性能进行了预测,结果表明用改进的BP 神经网络模型模拟水力旋流器的分离过程是切实可行的。根据油水分离水力旋流器神经网络模型,考察了各影响因素对旋流器分离效率及分级效率曲线的影响,与实际试验结果吻合得很好,说明该网络模型非常实用。本文的研究成果,无论是理论上还是实践上都对油水分离水力旋流器的推广应用具有积极的指导意义。文中的软件设计采用Visual Basic 6.0 程序设计语言和Microsoft Access 数据库设计软件来实现。