本文针对注射模设计“强经验弱理论”的设计特点,对基于实例推理(case-based reasoning, CBR)的注射模设计辅助技术进行了研究。首先分析了CBR的技术特征及其关键技术,并与其他智能技术(如基于规则推理、基于模型推理)进行了对比分析,提出了应用于注射模辅助设计的CBR技术实施方案。实例库是CBR技术应用的重要前提,在对几百个注射模实例进行分析的基础上,提出了表达注射模实例的特征信息以及特征信息的提取方法,并引入了注射模实例的层次化描述方法;进一步提出了实例库的设计原则与组织原则,建立了塑件和模具之间的E-R模型,提出了注射模实例的分散组织存储方法。 实例检索是CBR系统实现其功能的重要环节。本文探讨了几种检索算法的优缺点,并引进属性距离的概念来度量属性相似程度,并对属性距离进行了规范化定义,在此基础上给出了塑件实例相似度度量方法。为使不同塑件之间的相似度具有可比性,同样对其进行了规范化定义,并对各属性距离引入权值系数,提出了基于属性贡献比的权值计算方法,从而减小了人为因素对权值的影响。对检索结果进行修正是CBR系统实现“自学习”与扩充的重要条件。本文对常用的实例修正方法进行了探讨,提出了基于标准件的实例修正方法,通过人工干预完成实例的修正。对修正后实例的存储,提出了以模具标准化程度高低为原则对实例库进行“自学习”,即对能实现同样设计目标的实例,淘汰标准化程度低的实例而保留标准化程度高的实例,以避免实例的重复出现。 作为应用验证,最后对所开发的基于CBR方法的注射模辅助设计原型系统作了简要介绍。