目前氢能是最有潜力和发展前景的二次能源。对比传统化石燃料,氢气具有燃烧产物零污染、来源广泛、热值高、利用率高等优点,并且是公认的未来最重要的能源载体之一。氢燃料电池汽车对氢气纯度的要求比较高,因此变压吸附（PSA:Pressure Swing Adsorption）氢气纯化技术在氢能汽车领域的应用非常重要。本文对PSA循环中的吸附剂特性参数和操作条件进行了参数研究,并在此研究基础上进行分析和优化。首先,本文介绍了氢气纯化变压吸附循环中的传热传质和吸附模型,其中包含能量守恒、质量守恒、动量守恒、理想气体状态方程、吸附动力学模型和吸附等温线模型。基于对吸附等温线模型的介绍和研究,本文选用扩展Langmuir吸附等温线模型用于拟合两组分气体H2/CO2在AC5-KS和R2030活性炭吸附剂上的吸附等温线参数并进行对比验证。其次,本文基于数学模型和Aspen Adsorption仿真平台建立了穿透曲线模型。基于穿透曲线模型研究了两组分气体H2/CO2在AC5-KS活性炭床上的气体穿透过程,选用其中一种穿透曲线实验工况将R2030活性炭与AC5-KS活性炭进行对比。通过对比两种吸附剂的穿透曲线来选择合适的吸附剂进行氢气纯化。然后在穿透曲线模型的基础上,建立两组分气体H2/CO2在AC5-KS活性炭吸附床中的变压吸附模型,将模拟数据和实验数据进行对比验证了变压吸附循环模型的正确性。再次,在变压吸附循环模型的基础上,本文基于吸附剂特性参数和部分操作条件对氢气纯化性能进行参数研究。吸附剂特性参数包括饱和吸附量和吸附选择性,操作条件包括进气时间和冲洗时间。然后基于吸附剂特性的参数研究结果,分析吸附剂特性参数和变压吸附循环过程的相关性,探索吸附剂特性与氢气纯化性能之间的表达式关系。最后,本文将吸附剂特性参数及氢气纯度和回收率的计算结果作为样本对人工神经网络（ANN:Artificial Neural Network）模型进行训练,训练好的ANN可以用于预测氢气纯化性能。然后本文使用内点法结合人工神经网络模型对氢气纯化性能进行优化,以此找出最佳的吸附剂特性参数范围来获得较高的氢气纯度和回收率,为选择合适的吸附剂提供参考依据。