摘要：针对当前航空火控系统的精度研究对数据完备性要求较高,且仅能分析系统内单误差源影响因素的问题,提出一种全新的基于深度置信网络(Deep Belief Network,DBN)效能拟合的火控系统精度全局敏感性分析(Global Sensitivity Analysis via Deep Belief Network,GSADBN)算法。从全局敏感性分析算法的优劣点出发,分析传统的全局敏感性分析算法在不完备数据下存在的局限性。利用DBN优异的特征提取能力,并采用无监督训练和有监督微调相结合的算法,搭建并训练火控系统效能拟合模型。研究结果表明:与传统Sobol算法、经典傅里叶振幅敏感性检验(Fourier Amplitude Sensitivity Test,FAST)算法以及最新的基于贝叶斯网络的Sobol(Bayesian Neural Sobol,BNSobol)算法相比,GSADBN算法不仅可以满足精度要求,同时还可以在不完备数据下达到传统算法在完备数据下精度分析的效果;该算法可以在火控系统不完备数据下取得较好的精度分析结果,同时在设计火控系统各模块时,给出精度方面的合理方案,从而为火控系统的设计及作战效能的提高提供参考和理论支撑。