我国航天事业的迅猛发展,对飞行器设计水平提出了更高的要求。构建飞行器有限元或计算流体等高保真模型,既可以灵活方便地评估设计方案的性能、验证设计的优劣,又可以基于高保真仿真分析进行优化设计和可靠性分析,从而显著提高飞行器设计水平。但是,由于“所有模型都是真实物理过程的近似”,在应用高保真模型进行飞行器设计之前,必须首先对模型的精度和置信水平进行评估,即模型确认。目前,飞行器高保真模型存在高计算复杂性、飞行器试验具有小样本特性,因此,将现有模型确认方法应用到飞行器高保真模型上仍存在较大困难。本文对飞行器高保真模型确认方法进行了系统的研究。在深入研究了代理模型、模型确认度量和模型标定等三项关键技术的基础上,形成了一套适用范围广泛的模型确认方法,并以卫星覆盖业务量模型和卫星结构有限元模型的确认问题为例,研究了提出方法的实际工程应用。在模型确认方法研究方面:针对飞行器高保真模型确认存在的计算复杂性挑战,研究了基于模糊神经网络的代理模型技术。提出了析取模糊神经网络代理模型,包括一种新的模糊神经网络架构和一种基于贪婪搜索的网络参数学习算法,实现了模型预测精度、可解释性和模型训练计算量的合理平衡,尤其适合高维复杂飞行器高保真模型的近似建模问题。析取模糊神经网络并不局限于一种代理模型,可以将其与其它模型结合产生新的代理模型,具有很强的可拓展性。二维数值算例、28个标准数值算例和卫星实际工程算例均验证了析取神经网络代理模型的优良综合性能。针对飞行器高保真模型确认度量存在的试验数据小样本挑战,研究了考虑试验认知不确定性的模型确认度量。将经典的面积度量拓展为区间形式,提出了一种新的模型确认度量:区间面积度量。区间面积度量通过构建试验测量系统响应的累积分布函数的上下边界,考虑了试验数据稀疏带来的认知不确定性,因此,可以避免过度自信的判断,得到更符合实际的度量结果。数值算例和卫星实际工程算例均验证了方法的有效性。针对飞行器高保真模型标定存在的试验数据小样本挑战,研究了基于模糊代理模型的贝叶斯模型标定方法。首先,提出了一种新的模型形式偏差函数描述方法,即0阶Takagi-Sugeno（T-S）模糊推理系统。相比于传统的“黑箱函数+数据驱动”的模型形式偏差建模方法,T-S型模型形式偏差函数具有:便于引入先验信息、计算量小、模型可解释性强等优势。然后,提出了基于T-S型模型形式偏差函数的贝叶斯模型标定方法。该方法首先基于析取模糊神经网络构建高保真模型的代理模型,然后应用模糊C均值聚类构建T-S型模型形式偏差函数,最后基于贝叶斯推断和马尔科夫链蒙特卡洛采样得到所有未知参数的后验分布。基于Fisher信息矩阵的理论分析表明,提出的模型标定方法具有较好的参数可辨识性。数值算例、美国桑迪亚2014V＆V挑战性问题和卫星实际工程算例均验证了方法的有效性。在模型确认应用研究方面:将提出的模型确认方法应用于卫星覆盖ADS-B业务量模型的确认。基于天拓五号卫星获得的部分ADS-B报文数据,构建了全球装备ADS-B的飞行器的近似分布和卫星覆盖ADS-B业务量模型。采用论文提出的模型确认方法,对卫星覆盖ADS-B业务量模型进行确认度量和参数标定,从而得到模型的精度评价和更符合实测数据的模型参数。将提出的模型确认方法应用于天拓三号卫星主承力结构有限元模型的确认。构建了天拓三号卫星主承力结构的有限元模型,以预测整星的一阶固有频率。基于模态星振动试验数据,采用区间面积度量对上述有限元模型进行确认度量,结果显示有限元模型计算的固有频率偏差在1Hz以内;设计了支撑杆结构的静力学试验,并基于实测的应变数据,采用提出的贝叶斯模型标定方法对天拓三号卫星主承力结构有限元模型中不确定性较大的参数进行标定,得到了更准确的模型参数。