全断面掘进机作为地铁建设的“主力军”,在城市化建设中发挥着越来越重要的作用。全断面掘进机是集机、电、液为一体的大型复杂设备,仅依靠专家经验排查故障十分困难,故障停机将会产生巨大的损失,因此及时排查故障、减少维修停机时间,将会产生明显的经济效益。为了降低全断面掘进机故障发生率、提高设备使用率,从而提高整个工程项目的总体效益,本课题展开对全断面掘进机故障诊断与技术服务支持的研究,并进行了原型系统开发。知识是建立专家系统的基础,知识的完备性、可靠性直接影响系统的实用性和稳定性,而且知识获取是专家系统的“瓶颈”问题。论文采用基于粗糙集的数据挖掘技术进行特征权值计算和规则提取。首先采用自组织特征映射模型进行数据离散化,然后依托遗传算法完成知识的属性约简和启发式值约简,最终获得特征权值和规则。其间还包括基于灰色理论和神经网络的全断面掘进机状态特征参数预测模型。本文通过改进算法,预测更加可靠、特征权值更加合理、规则更加精简。全断面掘进机故障诊断模型和技术服务支持模型是本文的核心内容,为了充分利用全断面掘进机故障诊断经验和领域知识,故障诊断模型采用基于案例推理和规则推理集成的推理机制。案例推理采用欧式距离的相似度计算方法和多级匹配的推理机制,规则推理采用产生式规则表示知识和正向推理策略,最后案例推理和规则推理顺序集成。技术服务支持模型首先应用模糊层次分析法对全断面掘进机故障任务进行排序,然后根据故障特性以及技术服务人员的情况,从单目标指派模型、多目标指派模型、并行任务指派模型和抢修任务指派模型中选取恰当方法进行人员调度。论文运用面向对象的程序设计方法和多种数据访问技术,在Visual Basic和MATLAB混合编程的环境下,以案例推理和规则推理为基础开发全断面掘进机智能故障诊断系统,以任务排序和人员指派理论为基础开发技术服务支持系统。系统具备数据挖掘、智能故障诊断、技术服务支持和系统维护功能,最后用实例对系统可靠性进行验证,结果显示系统诊断速度快、针对性强、诊断结果符合实际。