管柱系统是海洋石油装备必不可少的一个环节,在海洋油气开采工程中起到了至关重要的作用,其运行也受到了复杂的海洋环境的考验,深水管柱结构的涡激振动（vortexinduced vibration,VIV）则是造成其疲劳失效的主要原因,关于流场和涡激振动方向的研究虽然持续了上百年,但如何能快速精确求解流场至今仍未能得到解决。本文采用BP神经网络学习训练的方法直接重构了圆柱绕流中求解流场的方法,得到求解流场的替代模型,极大地提高了求解效率,同时结合替代模型和遗传算法,开展了对涡激振动抑制装置的优化设计研究,为工程中涡激振动的抑制提供新的思路。首先,本文分别进行低雷诺数和高雷诺数下的二维圆柱涡激振动数值仿真验证,使用Bezier曲线建立参数化的整流罩模型,并分别对雷诺数Re=100、Re=6000和Re=12000三种情况下的涡激振动响应进行研究,基于COMSOL与MATLAB的数据交互接口,建立附加整流罩的管柱VIV数值仿真数据库;提出一种实验的方法,对神经网络隐含层结构进行研究,并对训练函数和归一化函数进行研究,建立BP神经网络训练学习的拓扑结构,使用数据库中的训练样本数据和测试样本数据对预测模型进行了训练和准确性验证。针对不同雷诺数情况下,以作用在整流罩上的升力作为优化目标函数,基于遗传算法和VIV响应预测模型对建立的参数化整流罩模型进行优化设计,建立涡激振动抑制效果最优的整流罩截面模型,对理论最优模型进行CFD数值仿真和实验研究。最终提出可供工程借鉴的涡激振动抑制装置优化设计方案流程,提出一种可变形式涡激振动抑制整流罩结构设计方案以及针对涡激振动控制的自适应控制和主动控制的控制方案。研究结果表明:（1）基于BP神经网络学习训练重构流场的求解方法,得到的替代模型对于求解附加整流罩管柱的涡激振动响应具有较高的预测精度和求解效率;（2）结合遗传优化算法得到的优化后的整流罩模型,在低雷诺数流场中,相较于传统水滴形整流罩模型涡激振动抑制效率提升不明显,在高雷诺数流场中具有较高的涡激振动抑制效率,且相较于传统水滴形整流罩模型涡激振动抑制效率提升明显;（3）通过实验和仿真研究,基于神经网络训练学习和智能优化算法对涡激振动抑制装置优化设计的方案具有可行性,可为工程中涡激振动抑制提供新的研究思路。