随着航空航天和计算机技术的发展,飞行器设计中的分析模型越来越精细,各种不确定因素在设计中也被加以量化。为了得到更加可靠且性能优异的设计方案,设计者开始逐渐关注基于可靠性的优化(Reliability-Based Optimization,RBO)方法。然而,当面对复杂耗时的学科分析模型时,可靠性优化中相互嵌套的可靠性分析和优化过程使得问题求解面临巨大的挑战。本文针对复杂耗时模型在可靠性优化过程中分析、可靠性分析和优化过程三方面计算量大的问题,采用代理模型技术减少耗时模型评估次数、提高计算效率,主要研究内容及创新成果如下:(1)提出一种基于协同径向基函数(Cooperative Radial Basis Function,Co-RBF)的变复杂度模型,减少了构建全局代理模型时所需的高精度样本数量。Co-RBF利用径向基函数和低精度模型作为基函数,构造了融合高低精度模型信息的变复杂模型,并通过交叉验证对模型参数进行优化。通过数值和工程算例将Co-RBF与其它已有变复杂度方法进行了对比,验证了所提方法的可行性和高效性。(2)提出一种基于混合增点和区间缩减的序贯代理模型优化算法(Sequential Surrogate Based Optimization,SSBO),降低了全局优化过程对耗时模型的评估次数。针对梯度优化算法快速但全局搜索能力弱,启发式算法全局搜索能力强但收敛速度慢的问题,利用代理模型代替原始的目标和约束函数采用全局优化算法进行优化,并轮换地利用不同的增点准则寻找可能的包含全局最优点的区域进行增点,重复对代理模型进行更新直至满足终止条件。采用的增点准则具有全局和局部增点的特性,因此所提方法具有较强的全局搜索能力和较快的局部收敛速度。数值和工程算例表明,所提方法对于局部最优点较多的多峰问题也能快速收敛到全局最优点;同现有的全局优化算法、局部优化算法和基于代理模型的同类优化算法相比,在全局收敛性和收敛速度上都具有一定优势。(3)提出一种基于RBF的序贯代理模型可靠性分析方法(Sequential Surrogate Reliability Method,SSRM),降低了可靠性分析过程中耗时模型的评估次数。SSRM利用序贯方法构建面向极限状态函数的RBF代理模型,通过约束优化方法寻找代理模型在极限状态函数失效边界附近且失效概率较大的样本点,提高代理模型在局部重要区域的精度。然后对极限状态函数的代理模型进行蒙特卡罗仿真获得失效概率,重复增点和蒙特卡罗仿真过程直到算法满足终止条件。通过数值算例和工程算例与已有可靠性方法进行了对比,验证了所提方法的精度和效率。(4)提出一种基于蒙特卡罗(Monte Carlo Simulation,MCS)约束边界平移的序贯代理模型可靠性优化方法(Sequential Surrogate Reliability-Based Optimization,SSRBO),综合运用代理模型技术降低可靠性优化中可靠性分析和优化过程的计算量。SSRBO主要分为三个步骤:第一步通过试验设计抽样并构建目标和约束的初始代理模型;第二步通过确定性优化方法的增点准则在确定性最优点附近增加样本点,分别建立目标和约束函数的局部代理模型;第三步对约束函数的代理模型进行蒙特卡罗仿真,通过仿真样本点拟合出逆累计概率密度函数,进一步通过可靠度和逆累计概率密度函数获得约束边界平移量,再对约束平移后的优化问题进行求解,重复这一过程直到平移量收敛。SSRBO能够大量减少耗时模型的评估次数,将计算量转移到计算相对快速的代理模型优化和蒙特卡罗仿真中。通过数值算例验证了算法在计算效率和精度上的优势。(5)将提出的方法应用到亚轨道飞行器的多学科可靠性设计优化问题中。首先分析亚轨道飞行器返回任务,建立了多学科设计问题的基准方案及学科模型,然后在基准方案的基础上进行了确定性优化,接着在对约束影响较大的设计变量中引入不确定性并在最优点处进行可靠性分析,最后分别进行了基于安全因子和SSRBO的可靠性优化。通过对基准方案、确定性优化方案、基于安全因子的可靠性优化和SSRBO的优化结果的对比和分析,验证了所提方法在工程应用中的有效性。论文针对复杂耗时模型的可靠性优化计算量大的问题,研究了代理模型从不同角度降低计算量的方法,包括代理模型在变复杂度模型、可靠性分析、全局优化和可靠性优化中的应用,并将所提方法应用到亚轨道飞行器的多学科可靠性优化问题中,为可靠性优化的发展和提高飞行器可靠性设计水平奠定了一定基础。