随着汽车工业在国内的蓬勃发展,使得能源日趋紧张、环境压力加剧的问题日益凸显,减轻汽车自重对能源节约和环境保护有重要意义。车身重量约占整车重量的40%左右,因此,汽车车身的轻量化对整车的轻量化具有重要作用。工程中的汽车车身轻量化,由于工艺制造等环节中的不确定性因素使得零部件的参数出现不确定性,这些随机变量的不确定性直接影响汽车的各项结构性能,致使轻量化方案缺乏可靠性,从而丧失实际工程可行性。因此对汽车车身轻量化进行可靠性优化设计很有现实意义,然而汽车碰撞是一个高度非线性的过程,直接调用有限元模型进行可靠性优化设计,需要耗费大量计算成本。利用近似模型技术能够有效减少计算量,降低计算成本。但是汽车碰撞的高度非线性,很难通过一次性建模优化获得满意效果。采用更新样本空间的序列优化方法能够提高近似模型的精度,从而提高优化设计效果。本文提出一种基于序列Kriging模型的可靠性优化设计。通过拉丁方试验设计在设计空间和不确定空间进行采用,构建目标和约束函数的Kriging近似模型。利用功能度量法评定概率约束,采用序列优化与可靠性评定方法将嵌套优化解耦为单层次优化。在优化每一迭代步,通过相对预期改善函数在近似功能度量点附近序列增加样本点,不断更新近似模型。从而提高近似模型在该兴趣域的拟合精度和全局预测能力,保证了最优设计点处可靠性分析的精度。数值算例优化结果表明,近似模型的精度有了很大的提高。将该方法应用于轿车车身结构轻量化设计问题中,以轻量化为优化目标,选取汽车正面100%碰撞安全性能可靠性指标为约束条件,以前端主要吸能部件的厚度为设计变量,对车身进行可靠性优化设计。结果表明,在满足耐撞性约束的同时实现车身所选部件减重11.39kg,较好地满足了整车安全性与可靠性设计要求。