作为河南省优青、河南省高校科技创新人才与河南省教育厅学术技术带头人，李耀辉博士所带领的团队长期致力于复杂机械产品的建模与优化设计。主持国家自然科学基金面上项目2项，国家青年基金项目3项，河南省科技厅项目10项，发表SCI/EI收录论文40余篇，授权发明专利13项，获河南省教育厅级以上科技奖励10项。在复杂问题基于Kriging模型的仿真优化关键技术研究方面，该团队首次提出基于Kriging模型的增广梯度快速构方法、基于对偶变换/三对偶理论的全局优化方法以及罚函数正则化变量选择的实现方法，并集成到多学科优化平台FlowComputer中。

基于Kriging模型的仿真优化方法关键技术研究，以解决黑箱优化中存在的效率、收敛性及自适应性等问题，实现基于Kriging模型的序列动态更新和优化采样，以及Kriging的快速构造及优化方法，旨在减少仿真估值次数的条件下快速获取全局最优解，以此为基础研制基于Kriging模型的仿真优化原型系统。在此研究的基础上，研制基于Kriging模型的全局仿真优化原型系统。以Kriging模型和MDesigner优化平台为基础，引入如图所示的过程建模思想和流程，构建Kriging组件流程建模方法的功能结构图，以此完成基于Kriging模型的全局仿真优化原型系统开发。将原型系统应用于燃料电池汽车整车性能与关键部件（整车控制策略参数优化、整车动力系统参数优化、液压制动模块、再生制动控制模型矩分配模块与电机模块）的设计及性能优化。

所研究建模与仿真优化方法已应用于氢燃料电池汽车的模型构造与控制策略优化中，在满足爬坡性能、汽车速度性能、蓄电池电荷状态、加速性能等约束范围内提高氢燃料利用率，从而改进燃料经济性能和动力性能。在此基础上，对电池温控模块、液压制动系统模型、再生制动控制模块、力矩分配模块及永磁同步电机模型进行建模和优化设计，部分模块已直接应用到东莞市重大科技专项子项目（一项电动汽车多领域仿真平台及整车建模仿真关键技术及模型库）中，该团队所研究的设计方法和优化平台在理论与应用方面都与国际前沿接轨。此外，团队积极开展科研成果的转化与应用，研究技术已为2家机械加工类企业提供机械零部件的优化设计服务，5项发明专利已经完成科技成果转化。