求解非线性约束优化问题的传统方法都是借助于某个惩罚函数作为效益函数，这一类方法我们统称为惩罚型方法，但惩罚型方法难以选择适当的罚参数，并且，罚参数过大还会导致问题数值上病态．因此，能否设计出不使用罚参数的新型方法即无惩罚型方法意义重大．Fletcher等人在1997年开始提出不使用罚参数的过滤方法，是目前具有代表性的无惩罚型方法，其数值试验结果颇为满意，但过滤方法在每步迭代都需要存储一个滤子集，这可能导致增大存储量，因此，研究不使用滤子技巧的其它无惩罚型方法同样具有重要的理论意义和应用价值．　　 本文研究求解非线性等式约束优化问题的一类新的无惩罚型方法，其主要特点是既不带有罚函数，也不使用滤子技巧，为了能够处理大型问题，本文采用双边既约Hesse阵方法并结合线搜索策略，使目标函数值在约束违反度的一个合理范围内不断减小，最终达到问题的最优解．在通常的假设条件下分析了新算法的全局收敛性，并借助二阶校正步来克服Maratos效应，在合理的假设条件下分析了带有二阶校正步算法的局部收敛性．最后，利用国际公认的无约束和约束优化问题测试库CUTEr中的问题进行数值试验，并与不使用双边既约Hesse阵的方法相比较，其数值试验结果表明了新算法的有效性．