针对现阶段气动优化设计工作中，气动特性的高可信度要求与巨大计算量之间的矛盾，本文采用神经网络建立适用于翼型气动优化设计问题的气动特性分析模型，并将其与遗传搜索算法相结合，构建一种基于神经网络的翼型气动优化设计方法。该方法的目的是获得高可信度的设计结果，同时通过用神经网络模型代替求解控制方程的流场数值方法进行气动分析，来减小计算量，提高优化设计效率。 本文主要完成了以下几方面的工作： 1 学习神经网络相关理论，研究误差反向传播神经网络各个要素(例如网络层次结构、神经元激活函数、训练样本集等)对网络非线性映射性能的影响，为下面建立气动分析模型奠定基础。 2 根据翼型气动外形优化设计的特点，结合上面积累的经验，利用神经网络建模方法，建立了满足气动外形优化设计中对气动特性计算的高可靠性与高效率要求的气动特性计算神经网络模型，在优化过程中，利用该模型可以代替求解N-S方程的流场数值计算方法求解气动特性。在此基础上，将该模型与遗传算法相结合，构建一个基于神经网络的翼型气动优化设计方法。 3 用上述基于神经网络的翼型气动优化设计方法以几个典型翼型为基准翼型进行气动优化设计，证明了该方法能够获得高可信度的设计结果，并有效减小了计算量，提高了优化设计的效率。