试验设计方法是大型工程数值优化中构建高可信度代理模型的关键,试验设计准则直接决定了代理模型精度,以及样本采集的计算量.本文通过少量的基础样本进行代理模型构建,结合RBF网络引入能量函数与曲率采样准则,兼顾样本空间分布均匀性以及超曲面曲率描述,有针对性的进行样本增补位置探测,保证尽量小规模的样本集情况下明显提高代理模型预测精度,建立了自适应的试验设计方法.在此基础之上将C准则表达式引入拥挤度加强函数并进行分步改进;对于稀疏的基础样本,插入点的均匀度在初始阶段对插值精度起着最关键的影响，随着均匀程度的提高,精确描述目标函数曲面的曲率变化开始成为采样准则较为重要的因素,针对这些特点，以RMSE为变量建立分步变化准则,实现了改进自适应采样方法(RCE Adaptive Sampling)通过对典型函数进行测试确定了文中提出的RCE自适应试验设计技术的有效性,进一步将该项新方法拓展至翼型、机翼气动优化等高维度设计问题中，相关研究数据表明，该新型自适应试验设计方法在大幅度降低样本需求的同时，能够有效地大幅度提高代理模型预测精度，具备十分广阔的应用前景。