液体滑动轴承因优良的稳定性和低摩擦功耗在高速旋转机械中起到了至关重要的作用。随着现代工业对轴承性能提出了越来越高的要求,利用优化方法对滑动轴承进行优化以适应旋转机械的不断进步与发展。常规的优化方法虽然能得到较好的设计方案,但对于多目标以及非线性特征的问题进行参数优化时,容易陷入局部最优且效率偏低。Kriging代理模型的函数预测值和理论误差估计等信息,可有效地指导后续优化算法朝着全局最优方向寻优。鉴于基于Kriging模型的优化方法具有良好的优化效率,已广泛应用于地质工程、航空航天等诸多领域。然而,在滑动轴承设计中还应用较少,将基于Kriging模型的序贯设计方法引入滑动轴承设计中能够大幅提高优化效率和精准性。本文在分析讨论传统试验设计方法和基于Kriging代理模型的序贯加点方法对模型的影响基础上,应用Kriging代理模型提供目标函数估计值和相应理论误差的优势,研究模型的全局精度和最优解临近区间的局部精度,引入并行加点准则及相应的收敛条件,得到精度高、效率好的代理模型,基于Kriging的序贯加点方法得到的模型全局精度更高且能更快地收敛到优化问题的真实最优解。分别以不同结构形式的径向滑动轴承为优化设计对象,Kriging加点方案在有限迭代步数下,对于降低单位承载力下的功耗效果最为显著,验证了该方法快速收敛性。在多目标代理问题中,借助自组织映射方法能将隐藏的高维多属性数据特征展现在低维可视空间中的优势,对NSGA-II得到的多目标Pareto最优解集数据进行聚类运算,从而得到目标与参数的特征分布、映射关系等特性。通过分析多目标优化结果中目标与参数之间的映射关系,提取各目标与各参数之间的相关性特征,使优化设计结果可视化。优化结果表明:SOM图能较为精确地表达了实际设计空间到目标空间的映射关系,能够用于指导设计人员进行最优解的选择。应用该方法优化后滑动轴承的单位承载力下摩擦功耗和温升均有所降低、失稳转速提高明显,与数值计算结果吻合,验证了此方法的工程有效性。