传统的结构优化设计由于没有考虑工程中存在的不确定性(如系统参数、结构几何尺寸、材料性能),其优化结果的性能波动和失效概率往往很大。基于可靠性的设计优化(reliability-based design optimization,RBDO)在优化过程中考虑不确定性对于功能函数的影响,可以明显降低优化结果的失效概率,对于保证实际工程中产品的可靠性具有重要意义。然而由于常规RBDO的嵌套结构、仿真模型的计算成本等问题使得RBDO的计算效率低下,限制了其在实际工程中的应用。为此,本文基于矩方法针对RBDO的效率问题展开研究,力求在解耦算法、对于代理模型的采样策略及车辆轻量化设计的应用方面做出一些探索。基于此思路,本文开展并完成了如下研究工作:(1)对比分析了不同概率分布拟合方法对功能函数的累积分布函数的拟合能力。根据单变量降维积分获得功能函数前四阶矩,对于鞍点近似法、Edgeworth技术展开法和最大熵原理对于功能函数概率密度函数、累积分布函数和可靠度计算精度进行了对比分析。通过三个数值算例验证了最大熵原理在进行不确定性传播分析和计算给定条件下的尾部失效概率精度最高。(2)针对可靠性设计优化的效率问题,在顺序优化和可靠性评估(sequential optimization and reliability assessment,SORA)解耦框架的基础上,发展了一种基于矩方法的顺序优化(sequential optimization and moment based method,SOM)解耦方法。以矩方法代替一次二阶矩法进行可靠性分析,并发展出了对应的解耦策略。包括优化迭代过程的数学模型、概率约束转换标量和基于MPP的转换标量局部修正因子的计算方法。根据约束函数统计矩对其有效性进行粗略判断以进一步提升优化效率。通过三个数值算例和基于车辆耐撞性的前端结构轻量化设计验证了方法的有效性。(3)针对工程中对隐式函数采样效率低下的问题,结合约束边界采样(constraint boundary sampling,CBS),发展了一种基于SOM的局部序列采样(local sequential sampling based on SOM,LSOM)RBDO方法。使用克里金模型对隐式函数进行近似,应用SOM策略进行可靠性设计优化。在以最优点为采样中心的超球体内对概率约束的极限状态面进行采样,发展了对应的采样准则和采样半径计算方法。以考虑距离因素的均方根为采样准则对最优解的高斯积分点进行辅助采样以提高代理模型对于矩方法的计算精度。通过一个数值算例和基于铝合金车架基础性能的车架轻量化设计验证了方法的有效性。