为了减少资源的消耗和环境污染,绿色能源的利用引起了越来越多国家的重视,风机发电就是其中之一。风机润滑设备多数采用集中润滑系统,但由于风机往往所处的工作环境温度较低,进而导致了润滑泵在输送润滑脂时输送困难,此时润滑脂在流动过程中的压力损失是影响润滑泵输送的主要问题,尤其在低温工况下,集中润滑系统常常出现泄油、爆管等现象,这将导致设备无法正常润滑。因此,充分研究集中润滑系统的润滑脂低温泵送性具有十分重要的研究意义及工程应用价值。本文主要针对低温工况下润滑脂的泵送性能进行研究,并采用试验与仿真相结合的方法,研究了润滑脂的流变学行为及影响润滑脂流动特性的主要因素,并对低温工况及常温工况的流变学行为及流动特性进行对比分析,主要研究内容如下:首先,采用旋转流变仪,基于不同测量方法详细阐述润滑脂在低温及常温工况下的流变学特性,研究润滑脂粘度、屈服应力随温度的变化规律;同时,对幂律本构方程、宾汉本构方程和赫-巴本构方程在数值计算上的差异进行对比。结果表明:三种不同本构方程对润滑脂的流动曲线均描述较好,而赫-巴本构方程在压降计算结果最好。其次,采用正交试验的方法研究管道直径、环境温度、流量对压力损失的影响权重,并从润滑脂在管内的速度分布、粘度分布、压力分布对不同温度下润滑脂的泵送性进行阐述,同时,对低温工况下屈服应力及流性指数对润滑脂在管内的速度、粘度分布的影响规律进行分析。结果表明:温度对润滑脂在管内流动影响最大,在低温工况下,润滑脂的粘度、速度分布均出现断层现象;随着屈服应力的增加,润滑脂在管内的速度、粘度分布分别呈现减小和增大现象,而随着流性指数的增加,润滑脂的速度及粘度均呈现递减趋势。最后,对比了BP神经网络及GRNN神经网络在压降预测方面的应用,建立管道直径、流量、温度与压力损失之间的关系,并验证神经网络方法的正确性,解决润滑脂在管内流动压力计算的复杂性,为润滑泵型号选择提供指导。结果表明:GRNN神经网络对于润滑脂在压力损失上的预测精度更高。