超临界萃取技术作为代表绿色环保理念之一的绿色分离技术,目前已广泛应用于食品、化工、医药、石油、环境等领域。超临界萃取过程设定值参数优化方法研究是超临界萃取技术研究中一项重要的课题,在超临界萃取过程中萃取温度、萃取压力、萃取剂流量等因素的变化都会影响萃取率,而这些因素之间又不是单一作用的,它们之间存在着一定的耦合关系。本文从理论研究出发结合CO₂超临界萃取葡萄籽油的实验,对超临界萃取技术原理及其工艺流程进行了分析,根据单因素原则分别分析了CO₂超临界萃取过程各因素对萃取率的影响,并选用RBF神经网络算法结合遗传算法和K-均值聚类算法建立超临界萃取工艺模型,实现对超临界萃取过程设定值参数优化,获得最优工艺参数。全文主要包括下三个部分:（1）以HA221-40-11超临界萃取设备为基础,CO₂为萃取剂,葡萄籽为萃取原料,进行超临界萃取实验,根据单因素实验原则,分析各个因素对超临界萃取率的影响。（2）根据前期的实验数据,选用RBF神经网络作为建模工具,结合K-均值聚类算法确定神经网络隐含层节点,并利用遗传算法优化神经网络权值,增强神经网络泛化能力,提高模型精度,建立超临界萃取工艺模型。（3）采用遗传算法实现超临界萃取过程设定值参数的优化,得到输入输出的最优解,获得的最佳工艺参数为:CO₂流量33L/h,萃取压力43MPa,萃取温度39℃,此时的萃取率为19.08%。在获得最佳工艺参数后,对最优解进行实验验证,并对实验结果进行误差分析。