本文涉及润滑油配方研究领域,主要研究人工神经网络和遗传算法在润滑油配方优化研究中的应用。首先,通过国内外大量相关文献资料了解人工神经网络以及遗传算法的基本原理,重点分析研究了BP神经网络和遗传算法的结构、构建方法、运算过程以及在MATLAB平台的实现等,并提出了遗传算法与人工神经网络结合的基本思想。然后,采用均匀设计方法设计试验方案并测试样本数据,以样本数据为训练样本,在MATLAB平台建立调配C工-4OW-40柴油机油粘温性能的BP神经网络仿真模型,并对该模型进行泛化能力评价。评价表明,BP神经网络模型的预测精度较高,符合试验精度要求,以该预测模型作为本文后续研究的工具。接着,以粘温性能要求为约束条件,以配方成本为优化目标,以复合添加剂添加比例为常量,以复合基础油和粘度指数改进剂的添加量为变量,结合BP神经网络性能仿真模型在MATLAB平台建立遗传算法优化CI-4OW-40多级柴油机油配方。得到的最佳配方比为：53.16%PAO,21.14%TMP,10.7%粘度指数改进剂和15%CI-4复合添加剂,其成本约为矿物油6倍。最后,对优化所得配方进行粘温性能评定,结果表明：优化配方的三项粘温性能指标：运动粘度(100℃)、倾点和粘度指数的预测值与实测值基本一致,且均符合GB11122-2006CI-4OW-40柴油机油相关粘温性能指标。说明所优化配方的方法是可行的,达到了配方优化的目标。