在人民不断憧憬美好生活的新时代背景下,人们逐渐重视汽车安全性与舒适性。制动系统作为汽车的关键系统之一,制动时伴生的噪声问题不但影响乘坐的舒适性,而且影响汽车行驶安全。为营造一个更安全舒适的驾乘环境,论文针对某后盘式制动器的制动噪声问题,以及有限元模型仿真难以满足迭代优化等问题,在试验与仿真基础上,通过构建近似模型对制动噪声进行稳健性优化意义深远。论文主要工作如下:首先,从NVH台架试验与仿真分析两个方面对制动噪声进行了研究,并分析了可能影响制动噪声的因素。试验结果表明,制动拖滞工况时出现了制动噪声,噪声频率主要分布在2025Hz、4775Hz、5775Hz、7550Hz、8625Hz、9300Hz、9575Hz、11575Hz、12950Hz及13125Hz附近,且8625Hz附近的噪声声压级最大,达102.58d B（A）;通过建立盘式制动器总成有限元模型分析了拖滞工况的复特征值,发现不稳定模态频率与NVH台架试验所得结果一致性较好,最大误差仅3.08%,说明制动噪声仿真分析模型合理。同时分析发现随着摩擦系数的增大,模态发生耦合而导致制动噪声。其次,筛选了制动噪声的主要影响因素。通过正交筛选试验,采用极差分析法和方差分析法对制动拖滞工况时产生不稳定模态频率的各影响因素进行了显著性分析,发现摩擦系数、制动盘弹性模量、制动块摩擦片密度、制动钳体弹性模量等参数对制动噪声影响较大。接着,以显著影响制动噪声的参数为设计变量构建近似模型,以复相关系数为误差指标对不同类型的近似模型预测精度加以对比,确定了径向基（RBF）神经网络模型为用于制动噪声优化的模型。应用最优拉丁超立方设计挑选数据点作为训练集,依照近似原理分别创建响应面（RSM）模型、Kriging模型、RBF模型,并利用复相关系数评估模型精度,结果表明,RBF模型的预测精度最高,其复相关系数达0.932,满足近似模型的可信度要求,因此选择RBF模型对盘式制动器不稳定倾向系数（TOI）进行预测。最后,基于RBF模型对制动噪声进行了确定性优化和稳健性优化。以对制动噪声作用比较明显的摩擦系数、制动盘弹性模量、制动块摩擦片密度、制动钳体弹性模量为优化变量,以不稳定倾向系数TOI为优化目标,应用多岛遗传算法对制动噪声进行了确定性优化,优化后TOI减少至6.442,相比优化前降低了88.1%。考虑到实际工程中各参数的不确定性和在一定范围存在误差,采用蒙特卡罗方法分析了确定性优化结果的稳健性,发现优化值位于摩擦系数、制动块摩擦片密度的边界附近,其稳健性较差,需要进行稳健性优化。因此应用6 Sigma方法对制动噪声进行了稳健性优化,结果表明,摩擦系数的最大可波动范围为3 Sigma水平,而制动盘弹性模量、制动块摩擦片密度、制动钳体弹性模量的波动范围均可大于6 Sigma水平,说明其制造工艺性较好;测试稳健性优化时间,发现近似模型寻优大约需740小时（包括建立近似模型）,而应用有限元模型寻优需求解特征值百万次以上,几乎不可能实现优化要求,结果表明,基于近似模型的制动噪声稳健性优化可大大减少计算时间。稳健性优化结果验证表明,稳健性优化后的不稳定模态负阻尼比均低于0.6%,满足企业要求。论文采用近似模型方法对实际复杂工程问题进行稳健性优化,既简化了用于优化的模型,减少了优化时间,又保证了优化结果的稳健性与工艺性,具有一定工程指导价值。