随着计算机软件的不断更新和计算机仿真理论的不断完善,构建车身的有限元模型的精度也越来越高,其采样耗时长和硬件的更新换代快等问题尤为突出。目前的车身结构优化设计有两种方法。一种是直接对整车进行采样,精度高,响应值可信,但是耗时长。另一种就是采用简化模型技术对部分总成或部件进行定性优化,再将结果代入整车计算,虽然耗时短,针对性强,但理论性不强,优化结果的好坏主要依赖于研究者的经验。针对上述问题,本文借用变复杂度优化思想,将两种方法的优点结合起来用于车身结构优化设计中,主要研究内容如下:(1)通过测试函数和工程实例,比较了三种近似模型在不同优化问题中建模的拟合精度。研究表明:RBF近似模型在线性、弱非线性和强非线性的情况下比其它两种近似模型的拟合精度要高,且鲁棒性更强,更适合于工程实例建模问题。(2)基于简化模型技术在整车正面碰撞分析优化中的应用条件,研究了纵梁的材料、板厚和截面三种因素对纵梁在碰撞过程中的变形以及乘员舱的影响。研究表明,材料和截面等不可控因素对纵梁吸能变形方式的影响较大,而板厚主要在碰撞过程中对汽车B柱加速度峰值和轻量化设计更加有效。最终按成本控制的原则,选择更换材料方案改进纵梁。(3)针对汽车车身安全性优化设计,提出了基于变复杂度优化的RBF近似模型方法。该方法采用最优拉丁超立方试验设计,利用较少的样本点数据在简化模型和高精度模型中建立一个差值补偿近似模型,在此模型和简化模型基础上构造新的样本点数据,利用RBF神经网络建立新的近似模型。利用该方法对以汽车前部7个主要吸能部件的板厚作为设计变量,以整车质量和整车碰撞加速度峰值Ba作为优化目标函数的汽车100%正面碰撞的多目标优化问题进行仿真研究,结果表明该方法在保证模型精度的同时能够快速地得到优化值。本文的研究结果表明,采用基于变复杂度优化的RBF近似模型方法,不仅能使车身结构的性能指标得到优化,而且解决采样时间长的缺陷,提高了计算效率,具有较强的工程实用性。该方法也为汽车轻量化设计提供了一个值得借鉴的方法。