减少飞机重着陆事件的发生是航空安全领域关注的重要内容之一。重着陆事件会给飞机机身带来结构损伤,严重时则直接导致着陆失败,造成严重的人员伤亡及经济损失。随着飞机实时监测技术的不断深入应用,提前预测可能发生的重着陆将成为现实,如同空客的多种机型上已采用的防冲出跑道系统。为此,本研究根据当前飞机的运行状态参数、飞行员操控以及气象环境等信息,设计一种能够实现对重着陆提前预测的模型,分析是否存在重着陆的风险,为警告飞行员做出相应的应对措施提供技术支持。同时,通过更加严谨的报文触发逻辑以及对报文记录参数丰富化,设计了重着陆的客户化报文。通过报文触发实现在航后检查中对重着陆事件的快速反应,缩减人共成本。本文的主要工作及贡献有以下三个方面(1)研究分析了重着陆的形成机理,从航空工程学的角度筛选出飞机进近和着陆过程中影响重着陆发生的QAR参数,主要包括:影响飞机飞行性能的发动机参数,反映飞行员操作的飞机状态参数以及来自外界影响的气象环境参数。在此基础上,分析了QAR数据的译码原理,针对目前QAR参数的记录缺陷以及模型输入的要求,采用插值和参数提取等方法,实现了重着陆QAR参数采样频率的一致性,并进一步基于特征工程学,采用灰色关联度分析,剔除高相关性参数以降低信息冗余和模型训练难度。(2)基于重着陆QAR参数序列,结合AMM手册中重着陆的多级分类以及评价指标,提出了基于长短期记忆网络(LSTM)的序列到序列(Seq2Seq)预测方法,通过选取多个航班的着陆数据作为训练集,以飞行高度为训练集选取区间,调整输入输出步长获得最优模型。该模型实现了对重着陆多个指标的多步长预测,能够在飞行高度为400英尺开始预测后8秒重着陆的发生,提供充足的时间裕度给飞行员进行重着陆预防,经过对比分析,该模型比传统的LSTM序列预测模型具有更高的准确定和实用性。(3)通过对重着陆的形成机理以及评价指标的研究,依据15号载荷报,采用报文设计的编程语言重新设计了报文的触发逻辑并丰富了报文的记录参数。本研究设计出的重着陆客户化报文具有更加严谨的触发条件,报文参数记录更为丰富。同时,基于报文记录的重着陆影响参数的序列数据,利用灰色关联度分析得到与重着陆评价指标具有高相关性的重着陆影响参数排名,更有效地反映重着陆的形成原因,为维修人员快速判断重着落形成原因和损伤检测提供技术支持。