为了提升利用微调构造的深度神经网络代理模型(又名深度代理模型)的性能,提出了一种主动闭环蒙特卡罗试验设计方法,通过费雪尔信息矩阵将设计点与模型梯度关联,并利用乘法算法求解,然后引入随机离散蒙特卡罗算法进行闭环采样,使得设计点具有覆盖整个设计空间的统计学特性。基于该方法,利用多层感知器建立了某伸缩臂叉车臂架动作特性深度代理模型,并结合最小预测和预期改善,实现了液压控制系统的设计优化。实验结果显示:与当前基准相比,提出的方法所需仿真数据减少了64.3%;优化后叉车臂架变幅缸压力波动更加平稳,且最大值减小了46%。