1、隨著航空業(yè)的高速發(fā)展，民用航空設備的維修要求也變得越來越高，在保障飛行安全、降低維護成本、提高飛機可靠性等方面對故障診斷和維護方式提出了新的挑戰(zhàn)。目前，隨著人工智能技術的不斷進步，診斷技術開始進入智能化診斷階段。將人工智能領域的各種方法加以綜合利用于故障診斷，從而大大提高了故障診斷的水平和效率。
　　論文對智能故障診斷技術的理論和應用進行研究，對內(nèi)窺損傷圖像進行分析并總結了以特征參數(shù)為基礎的圖像處理方法，并在此基礎上組建案例庫。在

2、案例庫的應用方面，本文主要研究將人工神經(jīng)網(wǎng)絡技術（ANN）與基于案例推理技術（CBR）相結合用于故障診斷，基于神經(jīng)網(wǎng)絡的故障診斷過程缺乏透明性，對于大型復雜系統(tǒng)效果不良，而在大型系統(tǒng)中基于案例推理的診斷方法，診斷精確度不高，推理效率低下。單獨應用這兩種人工智能技術都不可避免的存在著局限性。因此，本文將兩種診斷方法進行結合，并設計了具體的結合方案，即利用神經(jīng)網(wǎng)絡的模式匹配能力作為預分類器，以輸入的故障信息通過學習訓練對案例推理中的案例建立

3、索引，指導CBR模塊案例的檢索，構造了ANN-CBR混合推理方法。
　　ANN-CBR混合推理方法主要是利用 BP神經(jīng)網(wǎng)絡模型訓練發(fā)動機故障損傷圖像的輸出結果作為案例庫的索引條件，然后通過CBR方法去實現(xiàn)案例庫檢索功能。
　　本文分別利用神經(jīng)網(wǎng)絡技術、基于案例推理方法以及ANN-CBR混合推理對內(nèi)窺損傷圖像測試數(shù)據(jù)進行診斷，通過對比故障診斷推理結果可知，其中混合推理方法的診斷性能明顯優(yōu)于單獨使用前兩者方法的情況，說明將神經(jīng)網(wǎng)