在生物柴油制备过程中,由于各种因素对生物柴油的转化率都有着不同程度的影响,使得在制备生物柴油的试验当中运用各种不同参数条件去尝试寻找最佳生产工艺条件,然后通过正交试验确定生物柴油制备工艺的最优条件。正交试验设计法是研究与处理多因素试验的一种科学方法,是根据数理统计学的原理,利用规格化的表格“正交表”从大量的试验点中科学地挑选试验条件,合理安排多因素试验的一种科学方法。与传统的试验方法相比,正交试验法虽然具有较高的试验效率,但这一过程中得花费不少时间和精力。利用神经网络对正交试验数据建立人工神经网络模型,可以模拟不同水平间距的正交试验,得到更加令人满意的试验结果。有了BP神经网络在生物柴油制备工艺中的应用,只需通过网络预测模型的建立就能较准确的预测生产工艺的最佳条件,可以有效的避免大量繁复的人工实验及数据分析,节约了人力,提高了效率在生物柴油制备的复杂过程中,由于反应条件对生物柴油制备的转化率有着不同程度的影响,利用传统的方法寻求影响转化率的准确数学模型非常困难,BP网络能够从实验数据中获取数学模型,它无需事先给出公式的形式,而是以实验数据为基础,经过“训练”后得到一个反应实验数据内部规律的数学模型,然后利用该模型进行推理。生物柴油的转化率取决于油醇比例、反应温度、催化剂用量等多个因素的影响。本研究选取小桐子油为原料,用KOH作为催化剂,采用酯交换反应制备生物柴油。通过单因素试验和正交试验得到最佳工艺条件为：催化剂用量为0.9%,反应温度为85℃,反应时间为1h,醇油比为6.5：1。以试验数据为样本,采用BP算法将人工神经网络技术用于建立生物柴油转化率预测模型,最后得到适合生物柴油转化率与反应温度、反应时间、催化剂用量,醇油比等参数有关的人工神经网络模型,较准确地预测生物柴油的转化率。由于BP算法有可能使得试验数据陷入局部最小值的缺陷等问题的存在,故在BP算法的基础上,采用遗传算法寻找生物柴油转化率的人工神经网络模型最优值,然后利用获取的最优工艺条件进行验证试验,得到了最优实验工艺条件：催化剂用量1.2%,反应温度为80℃,反应时间时间为1.5h,醇油摩尔比为6：1。在此基础上进行上再进行5次平行试验的验证,结果表明在该条件下转化率为98.82%,预测值为96.57%,其误差值为2.25%。试验结果表明,模拟结果和试验结果基本吻合,说明利用遗传算法优化BP神经网络用于生物柴油制备工艺的优化是可行并且实用。