基于近似模型的设计方法采用近似模型和采样方法来代替复杂冗长的计算机仿真，被广泛应用于现代工程设计的各个领域。　　然而，目前针对近似模型技术的研究只是将近似模型作为一种建模手段，重点主要集中在采样方法，弱化了模型在整个过程中的作用，没有将两者作为一个统一的整体来进行研究。进行填充时，利用到的信息也主要停留在空间分布或者交叉验证信息。针对这些不足，本文主要做了以下三个方面的工作。　　首先，本文在支持向量回归模型的基础上，通过分析模型中支持向量点的特征，提出了一种基于支持向量回归模型序列采样方法（SV-Voronoi）。SV-Voronoi序列采样利用Voronoi图对设计空间进行划分，找到当前样本集合下预测误差最高的区域，并在该区域内寻找距离当前样本点最远的点作为新的填充点，保证了序列采样过程的稳定性。　　其次，为了解决样本点规模增加带来的参数不匹配问题，引入交叉验证和网格搜索优化支持向量回归模型的参数组。现有的方法利用支持向量回归模型作为建模手段时，忽略了参数对于建模的影响，通常都是预先设置一组参数以供后续的使用。随着序列采样过程的深入，样本点集合的规模和分布情况也在发生着变化，固定参数组往往会导致模型误差累积的现象。根据样本点集合实时调整这些参数，则能够有效的避免这些问题。　　最后，将本文提出的SV-Voronoi序列采样方法应用于可调距螺旋桨桨毂结合面的间隙问题研究。结果表明，本文所提出的方法能够准确地建立不同工况下的间隙响应模型，证实了SV-Voronoi序列采样方法的工程应用能力。