随着民航业的快速持续发展,飞行安全越来越受人们关注。据统计,70%以上的飞行事故是由于飞行员不当操纵引起的。为了提升飞行安全和保障经济效益需要从源头对飞行品质进行监控和管理,有效改进飞行品质。目前,各航空公司希望快速确定飞行安全的薄弱环节,提高安全系数。因此,运用先进的科技手段对飞行品质评价具有较强的现实意义。论文通过对QAR数据应用及飞行品质评价的国内外研究现状分析,针对存在的问题和产生原因,构建了基于QAR数据的飞行品质评价模型。首先,论文研究了飞行品质评价与飞行品质监控的关系,明确了飞行品质及其评价的界定和研究范畴,在综述飞行品质评价国内外现状的基础上,提出了目前我国飞行品质评价中存在的问题,并分析归纳了影响飞行品质的主要因素。其次,通过分析QAR数据译码存在的数据误差,提出了使用RBF神经网络拟合方法对QAR数据进行数据预处理,并结合飞行品质影响因素运用了QAR数据综合分析来突出影响飞行品质的QAR参数。最后,通过对比分析目前常用的飞行品质评价方法,提出基于QAR数据的飞行品质评价思路,在对QAR数据进行数据预处理和标准化后,运用R型聚类分析筛选出了影响进近阶段飞行品质的QAR关键参数集,构建了飞行品质评价指标体系,运用层次分析法确定了各评价指标的权重,并基于QAR数据进行了A321机型进近阶段飞行品质评价的实证分析,通过建立模糊综合评价集,选用适当隶属函数和算法模型对进近阶段的飞行品质进行了综合评价和分析处理,获得一个定性的飞行品质评价结果,验证了模型的可靠性和实用性。论文基于QAR数据的飞行品质评价模型研究,较好地解决了飞行品质评价这个模糊的、难以量化的问题,对飞行品质评价领域的研究有一定理论意义和实用价值。它运用的数据预处理方法,消除了异常数据和缺失数据对实验分析的影响,评价指标体系的建立充分考虑了飞行品质的影响因素,并避免了由于变量间的相关性造成的信息重复问题,建立的飞行品质评价指标体系更加科学合理。该飞行品质评价模型有一定的实用性,通过对模型的进一步推广和应用,不但可以让安全监察部门合理掌握飞行员的飞行品质状况,而且为训练管理部门制定相应的训练计划提供了良好的辅助决策信息,同时,飞行员可以查看评价结果,熟悉自身的飞行品质情况,提高飞行操纵水平。