机翼是飞机产生阻力与升力的主要部件,对飞机的性能有着重大影响。翼型的气动外形与飞机的巡航速度、起飞与着陆稳定性、失速可控性和操纵反馈品质等都有着重要的联系。因此翼型的优化与设计在飞机设计中有着至关重要的地位。传统的翼型优化方法,如风洞试验与CFD技术设计周期长、成本高等,严重制约了翼型优化设计的效率。本文提出了一种基于多输出高斯过程回归模型和遗传算法相结合的翼型优化方法,就超临界翼型的气动外形优化设计相关的问题进行了深入的研究。首先,初始翼型上添加一个HicksHenne参数化方法表示的几何扰动,构成一个合理的翼型设计空间。其次,采用拉丁超立方抽样方法在超临界翼型设计空间内构造一系列训练样本点。再采用CST参数化方法对翼型的几何外形进行参数化表示。通过Gridgen网格生成工具和CFD流体力学计算得到对应翼型的升力系数与阻力系数作为响应值来建立初始的MOGP代理模型。MOGP代理模型模拟了输入与多个输出之间对应的函数关系。使用遗传算法在给定翼型空间内搜索最优化翼型,在搜索过程中,中间翼型的气动性能使用MOGP代理模型进行预测。以阻力最小化为设计目标,考虑面积、升力等约束条件,通过单目标优化和多目标翼型优化试验表明,本文发展的翼型优化设计方法能在满足翼型面积和升力系数不变的约束条件,有效的减少阻力系数,优化翼型压力分布,达到了优化目标。同时说明了基于MOGP代理模型的优化设计方法在翼型优化设计中的应用是可行的。