双向渐进结构优化方法（BESO方法）是目前结构拓扑优化领域中应用较为广泛的优化方法之一。针对BESO方法优化不稳定和优化参数确定难等问题，基于单元灵敏度误差分析对其进行了研究，并提出了基于灵敏度误差分析的改进方法，改善了BESO方法的寻优性能。本文的主要研究工作如下：　　1. 分析了BESO方法中单元灵敏度误差的影响因素。介绍了BESO方法的基础理论,并通过对比分析经典算例取不同优化参数时的优化效果，得到了BESO方法中体积进化率、过滤策略和收敛策略对单元灵敏度误差的影响特性。　　2. 提出了一种基于自适应体积进化率的BESO方法。通过分析体积进化率对优化稳定性的影响，得到了结构优化过程中体积进化率的变化规律和单元灵敏度均匀化信息对进化率的影响情况，并据此构造了评价单迭代步的单元灵敏度均匀化程度指标。然后基于单迭代步的单元灵敏度均匀化程度指标，构造了全部迭代步信息下的单元灵敏度均匀化程度相对指标。结合体积进化率的推荐范围值，给出了一种自适应于结构优化进程的体积进化率自适应函数。最后，给出了基于自适应体积进化率的BESO方法实现流程。经典算例结果表明，相对于传统BESO方法，本文自适应进化率方法在保证质量相近的情况下，具有更好的优化效率和稳定性。　　3. 提出了基于稳态控制的BESO方法（SSCBESO方法）。在分析过滤策略和收敛策略对单元灵敏度误差影响的基础上，提出了通过扩大迭代周期使结构达到稳态再进行增删材料的策略。并通过误差控制的方式控制迭代周期数的上限，使结构单元在同一迭代步的目标体积约束下，能及时地转移到力的传递路径上。从而确保收敛策略携带信息的有效性和准确性，进而提高下一迭代步灵敏度的计算精度。最后，建议采用较小半径的过滤策略，以减少过滤策略对灵敏度的不良影响。算例结果表明，相对于传统BESO方法，SSCBESO方法的优化参数确定较为容易，能适用于较大的进化率，并具有更好的全局寻优能力。　　4. 开发了原型系统。基于Matlab平台开发了两种改进方法的原型系统，并利用该系统对轴承支架和拱桥结构进行了优化设计，验证了所提方法的有效性。