本文以叶片式油气混输泵为研究对象,基于混输泵内部流场的模拟结果,发展了其水力性能预测的神经网络模型。　　 本文首先利用正交实验方法,以混输泵的主要结构参数为影响因素,确定出叶轮参数组合,并通过数值模拟方法对这些叶轮参数进行建模计算,得出性能参数,组合成神经网络的训练样本和检验样本。确定人工神经网络的拓扑结构,运用MATALB语言,建立叶片式油气混输泵的性能预测的BP(BackPropagation)和RBF(RadialBasisFunction)神经网络两种神经网络模型。模型的输入参数为叶轮转速,流体流量,含气率,及叶轮的轮缘进口冲角,轮缘出口修正角,叶片包角,轮毂半锥角,输出参数则为增压值和效率值。然后用数值模拟得到的性能参数作为训练样本来训练建立好的网络,并选用另外的样本数据来测试网络。测试结果表明:BP网络预测模型增压的平均相对偏差为16.03%,效率的平均相对偏差为15.37%;RBF网络预测模型增压的平均相对偏差为12.61%,效率的平均相对偏差10.53%。RBF网络的精度高于BP网络。　　 最后运用构建的RBF神经网络模型对本实验室设计的新的混输泵进行了性能预测,得到了其在多工况下的水力性能值。论文研究表明运用神经网络对叶片式油气混输泵进行的性能预测是十分可行的,能够满足工程运用。