在经济全球化和市场竞争日益激烈的今天,企业要提高全球竞争力,就必须缩短产品设计周期,降低产品生产的成本,提高产品的质量。现如今,高精度的仿真模型被应用在复杂机电产品和系统的优化设计中,从而提高设计的质量和可靠性。由于仿真模型具有黑箱性以及计算的复杂性,大大限制了基于群体的启发式优化方法,此外也导致基于显函数和梯度信息的优化方法失效,因此,基于代理模型的代理优化方法受到了国内外学者的普遍关注和重视。代理模型是一种近似的数学模型,在分析和优化设计过程中,通常用来替代比较复杂和费时的仿真模型。代理优化方法通过构造代理模型、设计合理的优化策略,引导新试验点快速收敛到全局最优解,最终缩短产品设计周期,降低产品生产的成本,提高产品的质量。针对这些问题,本文提出了一种自适应代理优化算法。该算法包括全局探索阶段和局部探索阶段,在全局探索阶段,提出了IPI（Improved probability improvement）加点准则和并行加点策略;在局部探索阶段,通过MP（Minimizing prediction）加点准则获取新样本点;各加点准则均通过差分进化算法进行寻优,并根据新样本点和已知样本点的关系,实现全局探索和局部探索的自适应切换,直至找到最优解。接着分别使用所提算法、EI（Expected improvement）、PI（Probability improvement）、MP加点准则对三个典型的算例进行优化,并通过对比分析证明了所提算法提高了优化效率和精度,同时求解问题的稳健性也变得更好。为进一步验证本文所提算法的工程应用性,本文选取射雾器轴流风机叶轮作为研究对象。首先确定对射雾器轴流风机射程影响比较大的叶轮结构参数,接着将这些参数作为设计变量代入到所提出的自适应代理优化算法中进行优化,通过不断迭代增加样本点,直到达到优化终止条件停止加点,得到最优解。最终的优化结果表明,射雾器轴流风机的射程提高了24.77%。因此,本文的算法为代理优化方法领域提供了新的思路以及借鉴意义。