液压摆缸运行时若液压油从叶片与缸体的间隙泄露,会导致压力下降,减少输出扭矩,无法实现预期操作效果;由此,提出一种基于机器学习的液压摆缸叶片密封性能预测模型;采用Morris方法计算敏感性指标,基于断裂力学角度,采用能量释放模式分析橡胶密封材料疲劳破坏过程,建立疲劳性函数;通过敏感性与疲劳性分析密封性能指标,确立评价标准,并划分性能等级,获取液压摆缸叶片密封性能的关键因素;根据密封磨损失效极限损伤的计算,确立泄漏率和密封环的热量样本数据;将泄漏率、密封环热量作为BP人工神经网络输入层单元的输入值将性能预测指标作为输出值,构建液压摆缸性能预测模型;实验结果表明:所建模型液压摆缸叶片密封性能预测精度高、效率快,为相关领域机械设计工作提供可靠参考。