杨煜兵，张春光，刘光恒，李上青，张俊峰，安 磊，褚 帅

（沈阳仪表科学研究院有限公司 研究开发部，沈阳 110043）

0 引言

超高压往复式柱塞泵广泛用于水力破拆系统、水刀切割、农业灌溉等领域，在超高压范围内，填料式密封失效，因此大多采用迷宫密封方式。迷宫密封中，影响密封效果即泄漏量的因素有很多，包括密封入口压力、密封间隙、迷宫密封槽数量、密封槽尺寸（如角度、间距等）等［1-2］。对迷宫密封结构进行优化，降低迷宫密封的泄漏量，是往复式柱塞泵设计的重要环节。使用计算流体动力学（CFD）方法对迷宫密封结构进行优化计算，需要根据计算结果反复修改迷宫密封结构，优化计算极为耗时，而且该方法不易获得全局最优解［3］。遗传算法（Genetic Algorithm，GA）是一种不需要具体函数形式的非数值优化算法， 可以寻得全局最优解，适合于离散变量的优化问题。但遗传算法优化过程中需要大量的数值计算，优化效率低［4］。而响应面法（Response Surface Methodology，RSM）使用试验设计（Design of Experiment，DOE）方法对参数设计点集合进行试验（仿真试验），从而得到优化目标和约束的响应面模型，可以替代CFD的反复仿真计算，计算效率得到提高［5-7］。本文以某型号的往复式柱塞泵迷宫密封系统为对象，对迷宫密封进行了参数化建模，采用神经网络响应面模型，并应用遗传算法进行优化计算，得到了设计空间范围内的全局最优解。通过优化计算，能有效降低迷宫密封系统的泄漏量。

1 迷宫密封优化模型

本文研究的迷宫密封系统位于超高压柱塞泵的液力端，如图1（a）所示。……