水力旋流器由于其结构简单、无运动部件、操作维护方便,分离效率高、速度快等优点,近一个多世纪以来越来越广泛的应用于石油化工、环境、选矿、医学等诸多领域中非均相介质的分离。对于待分离混合液中的微细离散相（颗粒或液滴）,采用常规旋流器时分离效率较低。上世纪90年代初,研究人员针对该问题开始通过减小常规旋流器尺寸,设计出微旋流器（主直径小于35 mm）并开展了相关研究,发现相同入口速度条件下的液流在微旋流器中的离心加速度可达常规旋流器的10-50倍,这使其对微细离散相的分离表现出了更好的效果。然而,同常规旋流器相比,微旋流器对不同类型及粒径范围离散相的分离性能的研究尚不系统,微旋流器对微细离散相分离效能的增强机理主要停留在理论分析层面。另外,当前微旋流器分离性能的优化预测方法相对繁琐,精度较低。因此,揭示微旋流器分离效能增强机理并建立高效、高精度的优化预测方法,对于缩短微旋流器研究周期、拓宽其应用领域具有重要意义。本论文首先针对不同的离散相类型、粒径分布范围,开展了相同入口速度条件下不同主直径旋流器的分离性能研究。发现相同条件下微旋流器的压力损失虽然大于常规旋流器,但其分离效率高于常规旋流器,并分别明确了微旋流器对重于水和轻于水的离散相分离效能显著性增强的最佳粒径范围。同时以目前尚未形成标准分离方法的微塑料颗粒作为待分离介质,开展了相同入口压力条件下两种主直径微旋流器的分离性能试验。结果表明,主直径小的微旋流器分离效率更高,尤其是对于10-40μm的小颗粒效率提升效果更加明显。为研究微旋流器分离效率进一步提升的可行性,将这两种主直径微旋流器串联连接,形成两级微旋流器串联分离系统,发现其对微塑料的分离效率高于任一单级微旋流器独立运行的情况。采用理论分析,从离散相在微旋流器和常规旋流器中的径向受力、雷诺数、大颗粒尾流夹带效应以及经验公式等角度分析了微旋流器分离效能的增强机理。并通过分析颗粒在不同主直径旋流器中的运移轨迹及运移时间,得到了主直径对颗粒运移的影响规律:主直径越大,颗粒粒径越小,则重于水的颗粒越容易从溢流出口逃逸。借助高速摄像技术,对不同操作参数条件下常规旋流器和微旋流器的气核形态进行了研究,发现常规旋流器的气核直径与微旋流器气核直径之比远大于两旋流器的主直径之比,从气核形态变化的角度解释了微旋流器效能增强的原因。借助粒子图像测速技术（PIV）研究了微旋流器和常规旋流器内流体的轴向速度分布规律,并结合零轴速度包络面分析,研究了微旋流器对重于水和轻于水两种离散相的分离优势。通过归纳目前微旋流器结构参数优化方法,以微旋流器的溢流管伸入长度为例,提出了一种基于CFD-动网格的结构参数快速优化方法（DUOM）。通过对比同条件下常规单因素优化方法（SFOM）和DUOM,发现两种优化方法得到的结果基本相同,而DUOM比SFOM省时49.76%。研究了旋流器主直径与操作参数、介质物性参数对分离性能的响应关系,分别建立了旋流器主直径与操作参数对分离性能以及主直径与介质物性参数对分离性能的关系模型。考虑到微旋流器与常规旋流器不同的流场特性,通过获取不同研究人员对微旋流器分离性能研究所获得的1656组试验样本,借助机器学习算法建立了微旋流器分离效率BP神经网络预测模型。通过测试数据集对预测模型进行了有效的验证。开展了不同隐藏层数量、神经元数量、初始学习率对模型预测性能的研究,并获得了最佳的隐藏层及神经元数量、初始学习率。预测模型误差仅为7.26e-4,预测精度较高。同时,在实际应用中针对给定待分离介质物性参数及分离效率指标,该BP模型可获得对应的各结构参数及操作参数的组合关系,为微旋流器的结构设计及操作参数调控提供指导方案。针对微旋流器在复杂工况下应用中,其进、出口存在的堵塞风险,结合微旋流器的高效性以及常规旋流器更大的空间特点,设计了一种粒径重构分离器,对重构入口段的重构效果进行了有效的验证。并对粒径重构分离器与等效主直径下的常规旋流器进行分离性能对比,发现粒径重构分离器的压力损失高于常规旋流器,但能降低微旋流器出口堵塞风险,尤其是对于微细颗粒,其分离效率明显高于常规旋流器。