为提高轮式起重机伸缩吊臂的承载能力和减轻其自重，提出对吊臂截面形状进行协同优化研究。针对于现有协同优化方法中松弛因子取值不当导致的优化效率低下、精度不高的问题，提出了基于系统级和学科级不一致性的松弛因子自适应计算和动态罚函数协同优化算法。该方法将协同优化过程分为三个阶段，并视系统级和各学科级的差异大小，自适应动态确定松弛因子值，且在接近收敛阶段在系统级引入动态罚函数。通过典型耦合非线性数值算例和减速器多学科优化标准算例对该方法的性能进行验证，并与标准协同算法和恒定松弛因子协同算法进行比较，结果表明该方法能够随优化进程对松弛因子作自适应计算，消除了现有动态松弛法中松弛因子取值震荡问题, 具有较好的鲁棒性和较高的收敛速度。为解决初始点选择不当导致协同优化陷入局部最优解的问题，提出了融入试验设计和梯度优化的混合协同优化算法。将基于试验设计和梯度优化的初始点选择策略与自适应松弛因子计算和动态罚函数的协同优化算法进行混合，形成混合协同算法，通过实例验证，表明混合协同算法无需初始值，且用最少的迭代次数就可获取全局最优解。表明混合协同算法具有良好的收敛性、精度和稳健性。在上述协同优化方法研究基础上，以优化时综合考虑伸缩吊臂强度、刚度和局部稳定性角度出发，按照协同优化机制，将复杂的吊臂优化问题分解为系统级以及强度和局部稳定性两个子系统级的优化问题。采用NURBS曲线构建吊臂截面下部承压边形状，进一步建立了伸缩吊臂的三维参数化实体模型、强度和吊臂局部稳定性有限元分析模型，建立了强度子系统级、局部稳定性子系统级和系统级协同优化数学模型，应用上述所研究协同优化的改进算法，并采用商用多学科优化软件集成有限元分析软件进行迭代求解，最终获得最优解，达到了吊臂局部稳定性和强度刚度同等水平，材料的承载性能得到了充分发挥，吊臂的自重得到有效降低。通过将实物模型的应力测试和理论计算值进行比较，验证了优化结果的可靠性。