汽车产业的迅速发展为汽车服务行业迎来了巨大的发展空间,在整个汽车产业链中,汽车后市场的利润占比越来越高。由于汽车新技术层出不穷,传统的汽车故障诊断与维修方式难以解决当前系统及结构日益复杂的汽车故障,导致汽车维修的难度越来越大。近年来,汽车快修连锁作为一种新型的汽车服务模式,凭借其自身便捷的优势,在国内得到了迅速的发展。然而,我国汽车快修企业的故障诊断效率低、服务质量较差,因此,应用有效的工具及方法高效、及时的排除汽车故障,提高汽车维修服务质量显得尤为重要。本文在总结了目前智能故障诊断与维修技术的研究现状之后,分析、对比了各诊断方法的优缺点,并基于此,提出了一种基于三角模糊数定性定量转化的案例推理方法,并结合规则推理构成了一种混合的面向汽车快修的智能故障诊断与维修方法。对于CBR,本文着重研究了案例库的组织结构和案例检索策略;将故障案例库分成代表案例库和子案例库;使用最短距离聚类算法优化故障案例检索策略,提升检索效率和准确率;针对故障案例属性征兆集中模糊属性的量化,采用三角模糊数将其数值化,并使用归一化效用函数对属性进行归一化处理;针对具有层次关系的案例属性,本文应用语义相似法计算属性之间的相似度;最后应用最近邻算法检索出符合设定阈值的历史案例,将其解决方案用来解决当前汽车故障。对于RBR,建立了规则的表示及存储方法,收集、整理了近千条规则,完成了规则推理的策略;最终融合了案例推理及规则推理两种汽车智能故障诊断与维修技术,使之既能充分发挥案例推理快速、高效的优点,又能在使用案例推理失败的情况下继续使用规则推理的方法的排除汽车故障。根据对汽车快修企业的实地调研,对本系统进行了需求分析,遵循模块化的思想,在数字化汽车快修平台下,结合汽车营销管理等子系统,使用Microsoft Visual Stdio 2010开发工具,MySQL数据库,C++为编程语言开发出了基于混合推理的汽车智能故障诊断与维修辅助系统。通过企业的试用结果表明,本系统能够根据获取的汽车故障征兆信息高效、快速地诊断出汽车出现故障的原因,缩短汽车故障诊断与维修的时间,规范维修步骤、为客户提供合理、透明的维修价格,并结合数字化汽车快修平台下汽车营销等子系统,整体提高汽车售后服务的质量。