摘要：开展车下安装的轨道交通变流器结构分析通常涉及耗时的仿真计算,以评估结构强度是否符合安全要求。对于典型的轨道交通变流器产品,进行1次静强度分析(4个工况)需耗时1 h以上,进行1次单方向的随机振动分析需要8 h以上。当采用传统的工程优化方法对变流器进行结构优化时,由于需要大量调用仿真进行评估,优化效率受到严重限制。因此采用机器学习方法,通过拉丁超立方采样试验设计确定仿真方案(采样位置),根据仿真样本构建Kriging代理模型(高斯过程),以近似反映设计变量与响应之间的函数关系。在Kriging模型提供信息的基础上,实现高效的灵敏度分析、设计空间探索和全局优化,为设计人员提供优化设计的参考依据与推荐方案,避免出现安全裕量过低或设计冗余过大等极端情况,在提高产品性能的同时缩短设计周期,提升产品的竞争力。基于Kriging代理模型,文章给出了进行分析与优化的完整技术路线,并对其中关键步骤(试验设计、代理模型、自适应采样、灵敏度分析、设计空间探索、全局优化等)的具体实现方法进行了详细说明。通过对某牵引变流器吊耳结构进行分析与优化,验证了所提技术路线的有效性。