长期以来,国内航空公司在飞机硬着陆诊断方面存在较高的漏判率和误判率。漏判会加大飞行的安全隐患;误判会增加航空公司时间消耗和维修成本。因此,提高硬着陆诊断的准确性变得越来越重要。首先,从飞机的进近着陆机理分析硬着陆事故发生的影响因素,通过对着陆过程的基本运动学进行分析,得到影响硬着陆故障发生的五个因素:下沉率、主起落架处垂直加速度、横滚角、俯仰角和侧向加速度。同时,对常用的故障诊断方法展开分析。由于建立硬着陆故障的物理模型比较困难,但是飞机飞行状态下采集的数据丰富,而且这些数据能够准确说明飞机着陆状态。因此采用AdaBoost SVM算法对硬着陆故障诊断进行研究。然后,由于硬着陆故障数据分类不对称,调整弱分类器的评价系数,优化对硬着陆识别能力强的弱分类器的权重,提出改进的AdaBoostSVM算法。深入分析影响硬着陆故障的相关因素,形成以主起落架支柱套筒压缩行程为核心的设计向量,采用飞机实际样本数据建立模型,并验证模型的有效性。最后,将此模型与其他两种传统算法建立的模型进行对比,评估对硬着陆故障的识别率。结果表明,通过改进的AdaBoostSVM算法建立的模型对飞机硬着陆故障问题的诊断效果最好,准确率最高。因此,改进的AdaBoostSVM算法能够有效减少飞机硬着陆故障的漏判率和误判率,减少飞机飞行的安全隐患,节约航空公司的维修成本。