动态设计问题是一个具有高度非线性、解空间复杂的多目标优化问题，这类问题既具有一般多目标优化问题的复杂性，又具有动态设计问题固有的困难性。针对该类问题，本文以玻璃上片台的翻片组件为研究对象，集成神经网络、遗传算法、模糊逻辑与推理技术等重要的现代人工智能技术，对动态设计中的多目标优化问题进行一种新的处理。在快速、精确、有效地达到各目标的协同优化，以提高上片台性能的同时，提出一种可适用于其他机械装备的，基于人工智能技术的多目标动态优化设计方法。 通过详细的功能需求分析，改进原始设计，运用结构动态优化设计等理论，构造出玻璃上片台翻片组件的多目标动态优化设计数学模型。利用正交试验对神经网络样本点选择的优越性，安排试验方案，并借助运动仿真和有限元分析软件完成该试验的样本采集，为人工神经网络模型的建立做好准备。选定径向基函数网络作为本文函数生成器的网络类型，设计、创建、训练出翻片组件多目标动态优化设计问题的函数生成器。结合理想点法、共享函数法以及罚函数法等理论，构造出问题的遗传算法，设计、编制该遗传算法的运算流程和程序，求解出问题的Pareto最优解集。建立模糊推理系统获取问题的最终解。应用二次规划法对该最终解进行验证，并用有限元法检验经圆整处理后的最终解。通过比较证明，本文提出的基于人工智能技术的翻片组件多目标动态优化设计方法是先进、可行、正确并且高效的。