高速列车是一个复杂机电产品,影响其动力学性能中有关的性能参数非常多,设计空间相当复杂,从中找到重要设计变量集,并进行优化,得到优于现有设计的参数解集,具有较大的复杂性和难度。目前仿真系统如SIMPACK可以进行列车动力学仿真和分析,但是因为同时需要处理太多的设计变量,致使性能优化设计变得非常困难。有效地将设计分析和优化结合,进行基于仿真的设计优化,才能将CAD和CAE相结合成一个整体设计过程。主要研究内容如下：(1)基于代理模型技术的高速列车性能参数设计和优化问题的设计策略研究本文在研究基于代理模型技术的多目标优化求解方法的基础上,结合工程实践,确定研究高速列车性能参数设计和优化的方法,即选用拉丁超立方取样策略、神经网络代理模型和多种MOP优化方法相结合的设计策略。(2)构建高速列车动力学模型和缩减设计空间基于高速列车多体系统动力学仿真模型的研究,提取出各部件间的拓扑结构关系,再抽象成物理和仿真系统的表达形式,得到物理实验和仿真实验所涉及的全部的输入输出变量。基于专家领域先验知识,对全部设计变量进行综合评定,得到对车辆动力学影响较大的29个设计参数(含取值范围),基于动力学响应性能指标的分析确定保证列车运行的7个响应性能评价指标,形成缩减的设计空间。(3)改进神经网络代理模型方案和灵敏度分析提出一种设计空间预处理-LM-正则化的改进神经网络代理模型方案,以提高神经网络的泛化能力和泛化精度,对缩减的设计空间构建高速列车设计参数的代理模型,并验证其精度达到要求后,提出在高速列车灵敏度分析的基础上识别关键设计参数的新思路,并给出应用方法。(4)高速列车设计参数MOP求解方法的研究基于PAC方法,将多目标问题变成单目标问题,分别采用遗传算法和差分进化算法进行寻优,结果显示差分进化算法寻到的解更优于遗传算法,验证了差分算法全局搜索能力更强一些。为了解决传统的多目标优化算法结果不理想的问题,采用基于差分进化的启发式智能化多目标优化方法,在得到的200组Pareto非支配解集中,仿真验证该方法得到了一组各项指标都不劣于CRH某型车原始设计的最优解。结果说明智能化多目标优化方法优于传统多目标方法,同时验证了灵敏度分析和关键参数识别的正确性。(5)改进差分进化智能算法及在高速列车设计优化中的应用提出一种改进的差分进化优化算法,该方法采用混合优化方法所得到的非支配解重构差分进化的初始种群,并用此改进差分算法在对高速列车设计优化重新求解和仿真验证,得到7个指标都优于CRH某型车的原始设计的16组最优解集。本文的研究表明采用代理模型技术,不仅可以缩减设计空间,大幅度地减少仿真时间,而且能够得到非常良好的高速列车的优化设计结果,解决了工程实际问题。研究结果最终表明,该方法对于提高高速列车或者相似复杂机电系统的设计效率和设计结果都是令人满意的,具有良好工程的实用性。