机械密封是核主泵的关键部件,其性能决定了核电系统能否正常工作。为了促进我国核主泵机械密封技术的发展,本文以核主泵流线槽机械密封为研究对象,建立流线槽流体润滑模型和神经网络模型,利用正交试验分析密封性能,使用BP神经网络对机械密封性能参数进行预测。本文提出结合BP神经网络来预测密封参数对密封性能的影响。主要工作内容:首先,根据机械密封的基础理论给出一种流线槽型线的数学模型,并对其进行三维建模;其次根据流体动压理论推导出其控制方程,使用数值分析法进行求解,得到各个密封性能参数的表达式,建立了流线槽流体润滑模型;然后设计正交试验表,根据试验结果得到优化组合,分析各个参数对密封性能的影响;最后对试验数据进行归一化处理,确定神经网络的最佳拓扑结构、传递函数等基本参数,不断训练网络直到输出误差达到预期设定值,使用该网络结构进行合理的预测。得出主要结论:（1）开启力影响程度排序:端面间隙＞堰宽比＞槽长比＞槽深＞槽数。随着端面间隙的增大,开启力呈下降的趋势,然后保持平稳;随着堰宽比、槽长比的增大,开启力整体呈现缓慢上升趋势;开启力随槽深增大呈先增后减的状态,然后保持平稳;开启力随槽数的增加呈现波峰波谷式变化,但是其值域变化范围不大。（2）泄漏量影响程度排序:端面间隙＞槽数＞堰宽比＞槽长比＞槽深。泄漏量随各因素值得增大均呈现缓慢增长得趋势,在各参数取值增大时,泄漏量快速增长。（3）对密封参数进行了优化,优化后的参数组合为:N=9、hg=5μm、h0=1μm、δ=0.95、η=0.8N=12、hg=6μm、h0=1μm、δ=0.5、η=0.7（4）以开启力预测指标:当神经元数目为6时,均方误差最小为1.10E-05,故预测开启力的最佳网络拓扑结构为5-6-1;使用该网络结果进行预测,预测值与实际值的平均相对误差约为0.86%且决定系数为0.987,结果显示该神经网络模型能够合理地预测开启力。（5）以泄漏量为预测指标:当神经元数目为6时,均方误差最小为2.93E-03,故预测泄漏量的最佳网络拓扑结构均为5-6-1;使用该网络结果进行预测,其预测值与实际值的平均相对误差约为4.15%且决定系数为0.978,结果显示该神经网络模型能够合理地预测泄漏量。