摘要：转向架构架是高速动车组的重要承载部件,对其关键结构精确分析及优化能保障列车安全平稳运行。为提高转向架构架设计优化的精度和效率,提出一种子模型技术与径向基函数-改进快速非支配排序遗传算法(RBF-CLNSGA-Ⅱ)相结合的多目标优化方法。首先,通过分析转向架构架的结构强度,确定等效应力最大的位置,利用子模型技术对该区域构建子模型并进行相对灵敏度分析,然后构建其RBF神经网络,提高计算和拟合效率。其次,提出CLNSGA-Ⅱ算法,通过引入Circle混沌映射、自适应交叉变异概率、Levy飞行策略及动态更新拥挤度比较算子,提高NSGA-Ⅱ算法Pareto解集分布的均匀性和稳定性,同时增强全局搜索以及局部开发能力。最后,构建以结构相关参数为设计变量、最大等效应力和质量最小为目标、变量区间及材料屈服极限为约束的多目标优化模型,利用CLNSGA-Ⅱ算法对基于子模型技术的RBF神经网络进行多目标优化,得到Pareto最优解。研究结果表明:子模型技术和RBF-CLNSGA-Ⅱ算法相结合,不仅能够解决大型复杂结构拟合困难、运算周期长的问题,而且研究过程相比传统方法,针对性更强,求解精度更高,结果稳定性更好。优化后的构架子模型最大等效应力降低了4.603%,质量减少了2.922%,该方法对大型复杂部件的设计优化具有重要工程实用价值。