由于实际工程中复杂精密机械产品设计制造过程中内部和外部因素在一定程度上影响试验数据的精确性,因此,模型不确定性普遍存在于产品质量特性建模过程中。代理模型方法具有计算量小、设计周期短和优化效率高等优点,是解决复杂精密机械产品质量特性建模问题最佳途径之一。当前很多专家学者在组合建模过程中,把所有候选代理模型线性加权组合,并未考虑建模过程中存在的模型不确定性问题,使得构建的组合模型可能存在预测性能不佳的子模型,导致降低组合模型预测精度,进而影响可靠性评估和优化设计方案精确性。本文围绕“在模型不确定情形下如何实现构建高精度组合模型”这一目标开展研究,建立了一套考虑模型不确定的新型组合建模方法与理论体系,并提出了基于新型组合模型的子集模拟重要抽样可靠性分析方法和可靠性优化设计方法。本文主要研究工作和结论如下:（1）针对核函数不确定情形下不同核函数下RBF代理模型候选集合中存在RBF建模精度不佳的问题,提出一种基于逐步回归模型筛选策略的新型RBF组合模型以构建复杂精密机械产品质量特性,首先,依据交叉验证法加点准则构建不同核函数的自适应RBF代理模型集,其次,通过逐步回归筛选策略将预测性能不佳的RBF代理模型剔除,最后,依据启发式权重计算方法构建新型RBF组合模型。本文采用桥式放大机构为研究载体以验证提出的新型RBF组合模型的有效性。研究结果表明:本文提出的新型RBF组合模型相比现有RBF代理模型,该新型RBF组合模型具有更高的预测精度。（2）针对相关函数不确定情形下不同相关函数的Kriging代理模型候选集合中存在Kriging建模精度不佳的问题,提出一种基于0-1规划模型筛选策略的Kriging组合模型以构建复杂精密机械产品质量特性。首先,依据期望提高加点准则构建不同相关函数的自适应Kriging代理模型集,其次,通过0-1规划模型筛选策略将预测性能不佳的Kriging代理模型剔除,最后,依据等权重方法构建新型Kriging组合模型。本文通过直圆型平行四杆机构为研究载体以验证本文提出的新型Kriging组合模型的有效性。研究结果表明:本文提出的Kriging组合模型比传统Kriging组合模型在预测性能上更加精确。（3）针对模型不确定性下传统组合模型研究主要从模型空间中所有可能组合模型选择特定预测精度最优的组合模型形式进行后续优化,忽略模型空间内次优组合模型形式可能包含对组合模型精度有效信息的问题,提出一种贝叶斯模型平均策略的EBMA组合模型以构建复杂精密机械产品质量特性。首先,构建六种类型代理模型以获得候选模型集,其次,依据贝叶斯模型平均策略将各单个代理模型作为自变量和现有试验设计目标响应观测值作为因变量以构建候选线性子组合代理模型集,最后,依据奥卡姆窗口模型筛选准则筛选出子组合模型,将子组合模型的后验概率作为权重。据此,加权平均子组合模型获得最终的新型EBMA组合模型。本文通过直梁型平行四杆机构为研究载体以验证本文提出的新型EBMA组合模型的有效性。研究结果表明:基于贝叶斯模型平均策略的EBMA组合模型比传统组合模型在预测性能上更加精确。（4）针对现有复杂精密机械产品可靠性评估和可靠性优化设计中功能函数、质量特性代理模型精度不高而导致可靠度评估精度不高和可靠性优化设计方案失败的问题,依据本文提出的组合模型方法,构建基于组合模型的复杂精密机械产品子集模拟重要抽样可靠性分析方法及可靠性优化设计方法。实例研究结果表明:本文提出的基于组合模型的子集模拟可靠性评估方法和可靠性优化设计方法能保证复杂精密机械产品可靠性评估及可靠性优化设计中近似解的精度。同时,提高了模型计算效率,为复杂精密机械产品设计提供了理论基础。