在航空航天领域中,仿真模型存在着不同形式的不确定性。这些不确定性因素会导致模型输出存在一定程度的不确定性,进而影响输出的性能。随着模型的精度要求越来越高,仿真模型逐渐呈现复杂化、高维、高度非线性以及运行时间长等特点。以电磁轨道炮仿真模型为例,电磁轨道炮弹丸的速度达到2km/s,飞行时受到随机风、气动干扰、烧蚀等多种因素的影响,具有不确定性众多的特点。同时,电磁轨道炮存在计算时间长的问题,需要耗费数十小时以上才能计算精确的输出结果。此外,电磁轨道炮在飞行过程中,各个不确定参数之间存在着非常强的耦合关系,具有结构复杂的特点。这些干扰因素的微小波动均可能对弹丸的飞行特性造成重大影响。如何高效地量化复杂仿真模型中的不确定性是目前仿真研究面临的巨大挑战。由于复杂仿真模型运行耗时长,需要研究高效的输出特性计算方法,用于提高计算的效率。复杂仿真模型中的不确定性参数众多,同样需要分析不同参数的重要性并进行因子筛选,缩减模型的不确定性。另外,由于不确定性参数会影响优化设计结果的最优性,因此,需要研究不确定性条件下的优化设计,提高优化结果的品质。基于此,本文从提高不确定性量化的计算精度和效率出发,进行复杂仿真模型不确定性传播、导数灵敏度分析、多输出灵敏度分析以及可靠性优化研究,并运用到电磁轨道炮模型中,具体内容如下:针对复杂仿真模型不确定性传播计算精度和效率低的问题,分别从试验设计和输出统计矩计算两方面进行研究,提出基于局部搜索遗传算法的优化拉丁超立方试验设计方法以及基于多项式混沌展开的模型输出统计矩计算方法。一方面,在局部搜索遗传算法中,提出改进顺序交叉、概率变异、自适应选择三种算子以及局部搜索策略,能够有效地提高拉丁超立方试验设计的优化效率;另一方面,根据多项式混沌展开中多项式的正交特性,推导并计算不同概率分布条件下仿真模型输出的低阶矩,能够提高不确定性传播的计算精度和效率。针对复杂仿真模型不确定性参数众多、计算代价大的问题,提出一种基于径向基函数元模型的全局导数灵敏度指标计算方法,用于筛选重要因子。采用径向基函数元模型代替仿真模型,将全局导数灵敏度指标转化为一系列高斯积分的计算问题。该方法利用径向基函数元模型推导得到全局导数灵敏度指标的计算表达式,能够有效地减少计算代价,实现因子的高效筛选。针对复杂仿真模型中多输出灵敏度指标计算效率低的问题,提出一种基于渐近协方差行列式序贯试验设计（Asymptotic Covariance Determinant-based Sequential Design,ACDSD）的多项式混沌展开的多输出灵敏度分析方法。根据标量输出多项式混沌展开方法推导得到多输出多项式混沌展开方法,并进一步推导多项式混沌展开的多项式系数和灵敏度指标的渐近特性。为了提高计算的效率,提出一种ACDSD方法,用于选择最优试验样本点,能够有效地减少灵敏度分析的计算量。针对复杂仿真模型中可靠性优化计算效率低的问题,提出一种基于PCE-RBF（Polynomial Chaos Enhanced Radial Basis Function）的可靠性优化方法。采用最优拉丁超立方方法构建初始PCE-RBF元模型,并提出一种基于最小距离局部变异性的序贯抽样方法,用于提高PCE-RBF的局部精度。该方法同时具备多项式混沌展开全局精度和径向基函数局部非线性的优点,能够有效地提高可靠性优化问题的优化精度和计算效率。针对电磁轨道炮结构复杂、高维以及运行耗时长的问题,采用本文的方法进行不确定型量化研究。首先,采用最优拉丁超立方方法以及基于多项式混沌展开的模型输出统计矩计算方法进行不确定性传播研究;然后,分别采用径向基函数和基于ACDSD的多项式混沌展开方法计算全局导数灵敏度指标和多输出灵敏度指标;最后,采用PCE-RBF求解可靠性优化问题。与传统方法相比,本文的方法能够有效地提高电磁轨道炮不确定性量化的计算精度和效率,具有良好的工程应用前景。