起重机被广泛应用在各行各业中,随着社会经济的飞快发展,对起重机的性能也提出了更高的要求。起重机金属结构(crane metal structure)是起重机的机械骨架,其质量约占整机质量的60%~80%,轻量化设计显得尤为重要;此外,金属结构除自重外还承受着复杂的外载荷,故障出现较为频繁,极容易发生事故,在每年的机械设备事故中,起重机引发的事故总是位于前几位,严重的会危及生命,对我国经济发展产生不良影响,所以起重机的安全性亟待解决。因此,金属结构在设计阶段就要同时考虑经济性和可靠性要求。可靠性优化设计(reliability-based design optimization)方法是在常规优化设计方法的基础上发展起来的一种全新的优化设计方法,它将可靠性分析理论与最优化理论有机地结合在一起。将可靠性优化运用到起重机金属结构的设计中既能保证起重机的安全性又能达到经济性的要求。随着各种计算机仿真软件的成熟,当前进行工程结构设计与分析时,越来越依赖于计算机建模。不管是进行结构优化设计还是结构可靠性分析,大都需要借助有限元仿真工具来实现。而此过程往往需要在不断地迭代过程中反复调用有限元模型以寻找最合理的设计方案。随着各种建模复杂度的提高及设计人员对分析精度要求的提高,计算机仿真分析产生的效率提升十分有限。本文即是针对基于有限元仿真技术的可靠性优化中调用次数多,计算成本大的问题,分别基于桥式起重机主梁的强度、水平静刚度、垂直静刚度、垂直动刚度的有限元模型构建了其近似代理模型,运用建立好的近似代理模型进行可靠性优化。近似代理模型选用人工智能领域的径向基神经网络算法(RBF-NN)。可靠性优化后主梁截面面积比初始设计降低了8.0%,并且各性能值可靠度达到0.99以上。本文方法的整个过程用时3281s,远小于基于有限元模型进行可靠性优化时所用时长。结果表明本文方法在保证了设计的经济性和安全性的情况下,极大的降低了计算成本,提高了可靠性优化效率。