航空维修对航空器使用的安全性、有效性和经济性有重大影响。长期以来航空维修的故障诊断主要是由人工完成的，不能适应我国航空事业发展的需要。本文对最近发展起来的智能化故障诊断方法进行了详细的分析与研究，并将其应用于航空维修。主要工作如下： 1.对航空器故障及其征兆特点进行了详细分析，建立了它们之间的模糊关系，针对故障征兆的不完备性可能会带来的推理规则不一致、矛盾甚至冲突的问题，提出采用模糊综合评判推理方法，综合考虑每个征兆与各原因间不同的相关程度，仿真结果较为满意。 2.对常用神经网络作了比较分析，提出采用模糊联想记忆网络作为学习机，通过对以往维修案例的学习来获得专家经验知识，其学习结果直接运用于模糊综合评判推理，免去了知识转换的困难。另外训练样本通过实际故障排除记录统计得到，既可解决从案例中总结规则的困难，又使诊断结果具有了统计意义。 3.研究了规则匹配及冲突消解问题，提出了一种多规则合成推理方法，采用动态合成权向量，实时选择相近规则进行合成推理，从而较好地解决了在故障征兆获取不充分时，由于推理规则前提重叠造成的规则选择困难问题。同时也解决了单个网络无法记忆多个模式对的问题。 4.针对由于故障与征兆之间的关系往往十分复杂，再加上故障征兆的不完备，诊断结果可能会出现不确定性的问题，提出了一种问诊方法，在诊断出现困难时根据征兆对成因的隶属度差异，有针对性地自动询问对诊断最有价值的征兆信息。 5.在上述研究的基础上，构建了一种故障诊断专家系统：以模糊逻辑构成推理子系统进行综合评判推理，以神经网络构成学习子系统用于学习案例样本，学习结果作为知识库用于诊断推理，用动态选择多规则综合推理方法推断出可能的诊断结果，并在推理出现困难时能通过问诊寻求进一步判断。作者以AIRBUSA320客机VHF通信子系统作为具体对象进行了实证研究，取得了比较满意的结果。