随着汽车保有量的越来越大,对汽车安全的要求也越来越高。汽车安全主要分为主动安全及被动安全。主动安全可以在事故发生前主动规避,而一旦事故发生,则需要较好的整车被动安全性能,才能保证乘员的安全性。因此作为汽车安全的最后一道防线,汽车碰撞安全性能的优化至关重要。为了减少成本,对于汽车碰撞过程通常采用有限元仿真的方法。但仿真过程是非线性的动力学过程,耗时较长,无法满足迭代优化计算要求。因此需利用代理模型代替有限元模型,用以减少仿真时长,提高计算效率。本文主要的研究内容就是利用代理模型进行汽车碰撞安全性的优化设计。本文以汽车前部主要吸能板件的厚度作为设计变量,以B柱峰值加速度最小、脚踏板侵入量最小及整车质量最小作为优化目标,对汽车碰撞安全性进行了多目标优化计算。首先利用拉丁超立方试验设计方法选取样本点。其次建立高斯径向基模型、Multiquadric径向基模型及Kriging模型,并对三种模型的误差进行了分析,将精度较高的近似模型作为代理模型。其中B柱峰值加速度及脚踏板侵入量采用Kriging模型,整车质量采用c=4.5的Multiquadric径向基模型,用以降低计算代价,提高计算效率。最后,采用遗传算法及粒子群算法,求解了多目标优化问题,获得了Pareto最优解集,并在Pareto最优解集中根据安全性及汽车轻量化的要求,对方案进行了制定,分别根据两种优化算法制定了两套方案,其中,利用多目标遗传算法使B柱峰值加速度下降10.07%,脚踏板侵入量下降19.32%,整车质量下降0.9kg;利用多目标粒子群算法,使B柱峰值加速度下降4.9%,脚踏板侵入量下降6.31%,整车质量下降4.9kg,优化效果明显,均获得了较好的优化结果。对汽车碰撞安全性的优化设计具有理论和工程指导意义。