中文摘要：

飞行器着陆阶段重着陆事件易导致民用航空特大/重大飞行器事故，快速地识别重着陆事件是避免事故发生的关键，亦是该领域科研难点。本项目从影响飞行器着陆性能的客观环境因素和主观人为因素出发，分析重着陆事件的成因，开展了两方面的研究。其一，研究了飞行器着陆性能与控制系统、姿态系统之间的非线性关系，分析了飞行器着陆阶段，主起落架对称着地和非对称着地情况下的受力情况，在此基础上，提取用于识别重着陆事件的特征因子，对依靠飞行器机体接地载荷判断重着陆事件这一方法进行了拓展，首次将黑箱模型引入到面向重着陆事件判断的决策支持系统中。第二，研究了智能算法在飞行参数所构成的高维度样本空间中模式识别问题的应用，针对由垂直加速度、下降率、侧向加速度、横滚角、俯仰角变化率所组成的高维非线性空间分类问题，完成了支持向量机分类器与神经网络分类器的建模和比较测试，从分类精度、时间复杂度和空间复杂度验证了支持向量机分类器的适用性，该工作构成了重着陆事件决策支持系统的核心模块。全面完成任务书的任务要求，在短短一年的时间内，在核心期刊发表论文5篇，国际会议论文2篇，呈送EI检索，发表文章的数量和质量均已超过预期目标。