现代高性能离心压气机追求大流量、高效率、高压比、宽稳定运行范围的设计要求。由于压气机几何结构的复杂性,其内部流场表现出逆压力梯度流动、边界层流动、二次涡流、分离流动、间隙泄漏流、激波效应等复杂流动特征,这些流动特征是制约跨声速离心压气机多目标气动优化的瓶颈。传统优化方法由于对压气机内部流动物理机制挖掘不足,难以全面改善其流动特征和提高气动性能。为了解决高速离心压气机多目标气动优化难题,本文将压气机理论模型数据挖掘、代理模型数据挖掘与自适应采样混合优化算法结合,提出了基于几何与流动参数耦合数据挖掘的压气机全工况多目标气动优化方法。首先,提出了基于理论模型的几何与流动参数耦合数据挖掘方法。推导并建立了离心压气机几何与流动参数耦合普遍关系式,普遍关系式将压气机的关键几何、流动和气动参数统一表述为一系列具有相同无量纲参数的函数。根据普遍关系式绘制了无量纲图谱,由此揭示压气机几何、流动与气动参数之间普遍存在的非线性耦合与制约规律,从理论角度探索了压气机设计空间的可行域与优化极限。为研究非设计工况的气动特征,进一步建立了变工况与设计工况流动参数耦合数学模型,从而实现根据设计工况的参数快速探索非设计工况流动特征及气动性能,并从理论上证明不同工况流动参数耦合规律具有几何不变性。以上模型共同构成压气机全工况的几何、流动和气动参数耦合理论模型,为从物理机理层面对压气机内流进行数据挖掘提供理论支撑。其次,建立了基于代理模型的几何与流动参数耦合数据挖掘方法。提出一种新的自适应采样算法,将自适应采样与Kriging代理模型结合发展了一种自适应采样代理模型,利用数学算例验证了自适应采样代理模型的高效性。进一步建立了基于代理模型的压气机内流数据挖掘方法,其中,数据挖掘算法包括自组织神经网络和方差分析。相较于理论模型数据挖掘,代理模型数据挖掘能够解析局部几何参数与全局流动、气动参数的耦合关系。然后,发展了基于流动特征数据挖掘的压气机全工况多目标气动优化方法。将梯度变异与多目标遗传算法耦合,提出梯度变异混合优化算法,采用高维高非线性数学算例验证了优化算法的全局性和高效性。开展算法关键参数的敏感性分析,证明优化算法同时具有良好的鲁棒性。将自适应采样代理模型与梯度变异混合优化算法耦合,给出了一种适用于压气机多目标优化的自适应采样混合优化算法。将基于理论模型和代理模型的几何与流动参数耦合数据挖掘方法与自适应采样混合优化算法有机结合,形成基于压气机内流数据挖掘的全工况多目标气动优化方法。最后,针对跨声速增压器压气机和Krain叶轮,实施了基于内流数据挖掘的全工况多目标气动优化。经过理论模型数据挖掘,明确了压气机几何、流动与气动参数之间的耦合与制约规律,提取了对流动特征和气动性能起关键作用的设计变量,进而给出反映流动特征和气动性能全面提升更本质的目标函数,得到优化初始设计空间,由此将物理优化问题抽象为数学优化模型。经过代理模型数据挖掘,确定了设计变量与目标函数的非线性耦合与制约关系,得到了设计变量对目标函数的定量贡献率,据此精炼设计空间,简化优化问题。对精炼设计空间采用自适应采样混合优化算法进行优化,得到Pareto最优解集。多角度定性与定量证明了本文提出的优化方法在优化效率、全局性、鲁棒性方面均优于当前主流算法,其中优化效率可提升2-10倍。同时阐释了优化过程中几何、流动和气动参数耦合变化规律,以及气动性能提升背后的流体动力学机理。本文提出的基于几何与流动参数耦合数据挖掘的压气机全工况多目标气动优化方法,为现代高性能压气机的优化提供一种高效的新手段,或将助力于先进航空压气机、增压器压气机、能源动力工业压气机设计技术的发展及本土化。