矿用自卸车行驶在恶劣的非公路环境下，行驶路面复杂多变，加之在承载运行时整车的稳定性下降，因此，翻滚和落物事故时常发生。从而有必要对矿用自卸车驾驶室进行ROPS&FOPS分析与优化，以提高驾驶员的安全性。工程中对于基于真实模型的嵌套优化问题，每次计算目标函数值都要调用费时的仿真计算模型，而利用近似模型可以有效的解决这一问题。目前广泛应用的一些近似方法在处理低维和非线性程度不高的问题时有很好的效果。而对于复杂的非线性有限元模型，随着维数和非线性程度的增加，构造近似模型所需的样本点数量和计算花费呈指数增长，使计算效率大大降低。而高维模型可以将构造模型复杂度由指数级增长降阶为多项式级，并揭示了各设计变量对近似函数的贡献量，大大减少了构建近似模型所用时间，同时反映了输入变量之间固有的线性或非线性关系及其相关性，有效的解决了高维非线性问题。因此，本文提出了BPNN-HDMR和TPS-HDMR两种近似模型方法，并对几种高维模型方法进行了精度和效率方面的对比分析。由于驾驶室材料在加工制造过程中，不可避免地存在着与材料性质、边界条件、测量偏差等有关的误差或不确定性。这些不确定性虽然一般数值较小，但耦合在一起可能使系统响应产生较大的偏差。因此考虑驾驶室参数的不确定性影响对驾驶室的优化设计有重要的理论和实际意义。本文在考虑驾驶室参数的不确定性因素影响下，对驾驶室进行多目标优化设计。首先采用区间数描述驾驶室材料参数不确定性，利用基于薄板样条插值的高维近似模型(TPS-HDMR)构建了驾驶室设计变量和不确定量与目标函数之间的近似模型，建立了驾驶室的不确定多目标优化模型。然后在高维近似模型的基础上，采用加入精英保持策略和去除重复个体的非支配排序遗传算法(NSGA-II)与隔代遗传算法(IP-GA)相结合的遗传算法，对驾驶室变形和质量两个目标进行优化。最后选取一组最优解集进行有限元分析，验证了本文所提优化方法的有效性和可行性。