近年来,随着空气质量的逐步恶化,雾霾等极端天气的逐渐增多,居民的身体健康受到了严重威胁。作为雾霾颗粒主要来源的工业粉尘,越来越多地引起了有关学者的重视。有效地控制工业粉尘的产生与扩散,已成为相关学者的研究热点。喷雾降尘由于其具有高效、灵活、低成本等优势,已成为施工现场重要的抑尘手段。轴流风机作为喷雾降尘装置的核心部件,其性能直接影响着喷雾降尘效果。因此,优化轴流风机结构参数,提升其性能是十分必要的。当前通过CFD技术优化轴流风机结构的方法,主要集中在单因素变量法、正交试验、均匀试验等。由于各结构参数对轴流风机性能的影响存在耦合,故单因素变量法无法给出结构参数最优解。正交试验、均匀试验等给出的最优解为各结构参数离散试验点的组合,对最优解的逼近能力差。本文采用神经网络和遗传算法作为优化方法对轴流风机各结构参数进行优化,最终得到最优结构。首先,根据轴流风机基础理论合理确定叶轮轮毂比、叶顶径向间隙、集流器形式等非拟优化的结构参数,将这部分结构参数固定。之后,通过CFD数值计算,分析叶片数、叶片安装角等拟优化的结构参数对轴流风机性能的影响,合理确定各拟优化结构参数的取值范围。其次,利用C语言在MATLAB环境下,构建BP神经网络,合理确定该网络的隐含层数、隐含层节点数、传递函数。通过正交实验表并结合CFD仿真,构建BP神经网络训练用样本数据库。用数据库对所构建神经网络进行训练,使其完成由结构参数到轴流风机性能这一映射的拟合,并检验其预测效果。最后,根据遗传算法在组合寻优问题上的相应原理,基于MATLAB,编写针对轴流风机结构参数及其组合寻优的程序语言。结合本课题问题实际,确定遗传算法初始化参数、选择、交叉、变异等遗传操作算子。最终结合BP神经网络,通过遗传算法,实现轴流风机各结构参数及其组合的寻优,并对最优结构进行仿真验证。