为有效减少实验成本、缩短研制周期,模型确认已经成为航天航空装备工程领域计算机仿真的一项重要工作。针对不确定性条件下结构系统模型确认理论诸多挑战问题,论文在模型确认方法和灵敏度分析方法两个方面展开研究,主要内容和创新点如下:（1）提出了两类针对随机不确定性条件下相关多输出模型确认的指标和方法。一是提出了一组基于混合矩的多输出模型确认指标。通过多维输出响应量数学期望列阵和协方差矩阵,分别定义了适合单个确认点的局部混合矩绝对指标（LA-3M）和相对指标（LR-3M）,适合多个确认点的全局混合矩绝对指标（GA-3M）和相对指标（GR-3M）。二是提出了一组基于马氏距离（MD）的多输出模型确认指标。通过模型输出响应量马氏距离分布函数与相应的试验输出响应量马氏距离经验分布函数之间的差异,定义了针对单个确认点的MD面积指标;通过模型输出响应量马氏距离的概率积分转换（PIT）分布函数（标准均匀分布）与相应的试验输出响应量马氏距离的概率积分转换经验分布函数之间的差异,定义了针对多个确证点的MD-pooling指标。这两类新指标均在综合考虑多输出模型的随机不确定性、试验数据随机不确定性和输出响应量之间相关性的条件下,解决了随机不确定性下多输出模型的确认与评估问题。与现有的多输出模型确认指标相比,基于混合矩的多输出模型确认指标,具有计算简单、易于理解和便于工程应用的优点;而基于MD的多输出模型确认指标具有便于求解和计算成本低等优势。（2）利用随机-区间混合不确定性条件下单输出响应量特征,分别采用固定区间变量和固定随机变量的两种研究方式,建立了两种混合不确定性下的单输出模型确认方法。一是在固定区间输入变量的情况下,通过混合不确定性下模型单输出响应量分布函数与相应的试验输出响应量经验分布函数上、下界之间的差异,定义了一种基于输出响应量分布函数上下界的混合不确定性单输出模型确认指标。二是在固定随机输入变量的情况下,通过混合不确定性下单输出模型响应量上、下界的分布函数与相应的试验输出响应量上、下界的经验分布函数之间的差异,定义了另一种基于输出响应量上下界分布函数的混合不确定性单输出模型确认指标。算例分析结果表明:由于分布函数可以有效提取混合不确定性的随机特征,而上、下界则可以清晰提取混合不确定性的区间特性,因此论文提出的两种指标都能够有效地度量模型与物理试验之间的差异程度,有效解决了随机和区间不确定性共存情况下单输出模型的确认与评估问题。（3）基于马氏距离及其分布函数对多输出统计特征的综合,提出了两种针对随机-区间混合不确定性的多输出模型确认的指标和方法。一是在固定区间输入变量的情况下,通过混合不确定性模型输出向量马氏距离分布函数上下界和相应的试验输出向量马氏距离经验分布函数的上下界之间的差异程度,提出了基于多输出响应量马氏距离分布函数上下界的混合不确定性多输出模型确认指标。二是在固定随机输入变量的情况下,通过混合不确定性下模型输出向量上、下界的马氏距离分布函数与试验输出向量上、下界的马氏距离经验分布函数之间的面积差异,提出了基于多输出响应量上下界马氏距离分布函数的混合不确定性多输出模型确认指标。算例分析结果表明:由于马氏距离对多输出特征的合理综合以及分布函数和上、下界限分别对随机和区间不确定性特征的有效提取,论文所提出的两种指标都能够有效地识别模型与物理试验之间的差异程度,解决了随机和区间不确定性共存情况下多输出模型的确认与评估问题。（4）提出了两类针对随机不确定性条件下相关多输出模型的灵敏度分析指标。一是提出了基于多维输出响应量马氏距离方差的重要性测度指标。借鉴Sobol等人基于方差的重要性测度分析思想,将输入变量固定时引起的多输出响应量马氏距离方差变化量的平均值定义为该输入变量的灵敏度指标,从平均的角度衡量输入变量的不确定性对输出响应量不确定性的影响。二是提出了基于多维输出响应马氏距离的矩独立重要性测度指标。借鉴Borgonovo的矩独立重要性测度分析思想,将输入变量固定时引起的模型输出响应量马氏距离分布函数变化量的平均值定义为该输入变量的灵敏度指标,从平均的角度衡量输入变量的不确定性对输出响应量的整体不确定性影响。算例分析结果表明:这两种新指标在考虑多输出响应量不确定性和相关性的基础上,从不同的关注角度出发,解决了随机不确定性条件下多输出模型中输入变量的重要性分析问题。与现有的多输出灵敏度分析指标比较,两种指标均具有便于求解和计算成本低的优点,可作为分析随机不确定条件下多输出模型中输入变量重要性的有效方法,指导结构系统稳健性优化或模型校准工作。