经过调研和相关研究发现,重着陆对飞机的结构会造成强烈冲击,引起结构损坏甚至断裂。情况严重时,会引发灾难性的后果,对旅客生命造成极大威胁,航空公司也会因此蒙受巨大的经济损失。飞机重着陆的判断是个重要环节,误判就会增加航空公司的运营成本,漏判则造成潜在的安全隐患,甚至酿成重大事故。基于对现有标准和规定的分析,发现航空公司对于重着陆的判断方法存在很多不足,因此本文通过对重着陆形成机理的研究,建立了基于支持向量机的综合多参数信息的重着陆智能诊断模型,通过与其他方法的对比验证,证明了该方法的有效性。第一,重着陆事件的形成是一个复杂的过程,可能由飞机下降开始已埋下隐患。因此,本文由飞机稳定进近的几个要素入手,从进场速度、进近轨迹控制和拉平与接地三个方面,深入地研究了重着陆的形成机理;同时通过对飞机着陆瞬间的受力情况进行分析,确定了重着陆诊断模型的5个输入参数;结合气象因素对飞机进近着陆的影响,归纳了较全面的重着陆风险参数,并对它们进行了分类,以便于事故专家调查分析事故原因。第二,描述了飞行数据的记录格式、飞行参数记录的类别,在此基础上,研究了B737机型的部分重着陆风险参数的译码算法。通过描述飞行数据的采集过程和数据误差的来源,研究了数据预处理的方法。由于着陆瞬间是个短暂的过程,很多参数因为采样频率的限制,着陆过程中的极大值有可能没有采集到,所以本文采用曲线拟合的数据处理方法,重现着陆瞬间的参数变化曲线,捕捉各种可能没有采集到的信息,为重着陆诊断打好基础。第三,研究了基于支持向量机(SVM)算法的重着陆智能诊断建模问题。以快速存取记录器(QAR)所记录的B737机型历史航班飞行数据和诊断知识为训练样本集,建立了基于SVM分类算法的重着陆诊断模型,利用QAR译码系统所得的数据进行SVM模型分类精度实验,并在该应用背景下,与神经网络和最近邻算法进行了分类性能的比较,验证了该诊断模型的有效性和优越性。