随着多旋翼无人机在侦查、测绘、运输等方面的需求不断增加,用户对其性能要求也相应地提高,负载能力和续航能力成为多旋翼无人机优化设计中的重要评价准则。为了提高多旋翼无人机的性能,最直接有效的方法就是从其动力部件旋翼入手进行优化设计。由于无人机旋翼叶片的复杂几何形状及其空气动力学性能对其的高灵敏度,当前无人机旋翼叶片的优化设计普遍存在由维度灾难(Curse of Dimensionality)带来的高昂的计算成本的问题。为了解决这一问题,我们提出了基于代理模型的快速优化设计框架。本文首先对无人机旋翼的三维外形进行了基于类函数/形状函数变换方法(Class/Shape Function Transformation,CST)的高效三维叶片参数化建模,利用尽可能少的变量表述较大的旋翼三维外形的设计空间,参数共计22个;同时本文建立了旋翼的计算流体力学(Computational Fluid Dynamics,CFD)模型,与实验数据相比,所有转速下旋翼推力的仿真结果的误差在5%以内;随后对22个设计变量进行拉丁超立方采样(Latin Hypercube Sampling,LHS),并在CFD仿真后得到相应的旋翼推力和扭矩的数据,构建不同的代理模型,包括多项式拟合(Polynomial Response Surface,PRS),克里金插值(Kriging,KRG),径向基函数(Radical Basic Function,RBF)和支持向量机回归(Support Vector Regression,SVR),最终选择精度最高的KRG模型用于旋翼外形的快速优化设计。结合上述的KRG近似替代模型,本文应用了遗传算法(Genetic Algorithm,GA)执行以无人机悬停状态下的旋翼推力为约束,最小化旋翼扭矩为目标的旋翼外形优化设计。与基于翼型E387的原旋翼相比,优化模型的扭矩减少12.5%,悬停效率提高了8.32%,总重相对减少24.23%。最后对优化后的旋翼叶片进行了流固耦合分析以验证其结构安全性与上述优化框架的可行性。另外,本文对不同负载下的旋翼叶片的优化设计也进行了思考,执行了相应的多目标优化方案。