在我国,花生是最重要的油料作物之一,也是重要的蛋白质资源,关系到人们的饮食和生活健康,也与国民经济发展联系紧密。近年来超临界CO₂（简称S_pFE-CO₂）与亚临界CO₂（简称S_bFE-CO₂）萃取技术在农产品加工、分离提取方面显示出巨大的潜力,得到了飞速的发展,在花生的绿色化生产及综合利用上需要创新性的研究。本文作者的研究内容包括:通过对增压、萃取、分离、高压密封四个方面的方案选择,确定了花生油S_pFE-CO₂与S_bFE-CO₂萃取的工业化流程方案。基于均匀设计方法,研究了S_pFE-CO₂萃取花生油工艺。针对萃取压力、温度、时间和CO₂流量进行四因素十水平的设计、安排实验,通过SPSS20.0软件对实验数据做多元逐步回归分析建立数学统计模型,确定S_p FE-CO₂萃取花生油的优化工艺,并对制备的花生油特性指标以及脂肪酸构成成分进行检测与分析。结果表明:优化萃取花生油工艺为粒度20目、30目和40目约1:1:1,萃取压力34.5MPa,温度45℃,时间140min,CO₂流量220L/（h·kg）,该条件下花生出油率达48.75%。通过检测,S_pFE-CO₂制备的花生油油质清亮,气味芳香浓郁,酸值（0.6mg/g）、过氧化值（3.4mmol/kg）和不饱和脂肪酸含量（79.586%）等各项指标均符合一级食用花生油标准。利用均匀设计的实验数据作为BP网络训练样本,构造花生油S_pFE-CO₂萃取的BP神经网络预测模型,对萃取过程进行预测,分析各实验因素与出油率之间的关系,确定较优的工艺条件。结果:确定了一个4-9-1的BP神经网络模型,利用该模型所得出油率的预测值与实验值相接近,相对误差（绝对值）小于2%;构造的BP神经网络模型能较好地预测萃取过程中各参数影响下花生出油率的变化趋势,当萃取压力30MPa,温度40.5℃,时间125min,CO₂流量187L/（h·kg）时花生出油率可达期望值47.5%。基于均匀设计方法,研究了S_bFE-CO₂萃取花生油工艺。考察了萃取压力与温度对花生出油率的影响。结果表明,当CO₂温度略低于临界温度,压力高于临界值时,优化的萃取工艺为萃取压力20MPa,温度30℃,时间240min,CO₂流量200L/（h·kg）,该条件下花生出油率为47.4%。萃取压力与温度相比,前者对出油率的影响更大。