回转平台是斗轮堆取料机的主要部件之一,斗轮机的堆取料作业、俯仰、回转功能都是在其上完成的,其自身的结构性能对整机的安全运行起到重要作用。为了设计出结构性能良好的回转平台,本文运用BP神经网络和遗传算法(GA)相结合的现代智能优化方法,对DQLS00／800.30斗轮堆取料机的回转平台进行多工况离散变量结构优化设计。首先在ANSYS环境下建立起回转平台的有限元模型,对其进行了多种危险工况下的静力分析,得到回转平台的位移和整体应力分布情况；其次运用优化分析软件ISIGHT口ANSYS软件,利用其自带的正交试验设计方法进行了优化设计参数的研究和筛选；另外,利用正交试验设计法选择建立BP神经网络所需的训练样本点,自动调用参数化有限元模型,计算出各工况下的样本数据,在MATLAB平台下建立起替代回转平台结构优化的“9-21-7”型BP神经网络近似模型,该模型构建出回转平台的各设计变量与结构自重、多种工况下位移及应力之间的函数映射关系,从而代替有限元模型进行快速的结构重分析；运用改进的遗传算法完成以重量为目标、以位移和应力为约束的寻优计算。研究结果表明,在满足各工况性能约束条件下,该回转平台自重减轻13.8%,取得了满意的优化效果,为回转平台的结构设计和优化提供了参考依据。本文运用遗传算法解决了斗轮堆取料机回转平台的离散变量优化问题；同时利用BP神经网络近似模型直接计算遗传个体的适应值,代替遗传迭代中大量的有限元重分析,提高了优化效率。通过对回转平台的成功应用,表明本方法适用性强,优化明显,具有较高的工程应用价值。