飞行训练质量评估是飞行员日常飞行训练的重要组成部分, 针对传统飞行训练质量评估方法评估效率低、主观性强等问题, 提出了一种基于机动动作识别的自动评估方法。首先, 通过构建采用多尺度特征提取的深度残差网络(multi-scale feature extraction deep residual network, MSDRN), 实现了战术机动动作的准确识别, 克服了传统机动动作识别方法识别准确度低的问题。然后, 针对不同类型的战术机动动作, 构建了飞行质量评估指标体系, 在具体评估时, 根据动作识别结果自动选择评估指标, 并采用基于博弈论的组合赋权法计算并获得评估结果, 由此构建了基于机动动作类型识别的飞行员飞行训练质量自动评估方法。所构建的动作识别方法相较于利用传统的一维卷积神经网络(one-dimensional convolutional neural network, 1D-CNN)、残差神经网络(residual neural network, ResNet)构建的分类器, 识别准确度分别提升了16.2%和3.5%, 识别计算时间相比ResNet缩短了23.9%。所提出的整个飞行训练质量自动评估方法摆脱了飞行员训练过程对飞行教官的严重依赖, 实现了飞行训练质量的自动化快速评估, 且评估结果更具科学性, 从而为飞行训练质量评估提供了一种全新的方法。