随着航空业的高速发展,民用航空设备的维修要求也变得越来越高,在保障飞行安全、降低维护成本、提高飞机可靠性等方面对故障诊断和维护方式提出了新的挑战。目前,随着人工智能技术的不断进步,诊断技术开始进入智能化诊断阶段。将人工智能领域的各种方法加以综合利用于故障诊断,从而大大提高了故障诊断的水平和效率。论文对智能故障诊断技术的理论和应用进行研究,对内窥损伤图像进行分析并总结了以特征参数为基础的图像处理方法,并在此基础上组建案例库。在案例库的应用方面,本文主要研究将人工神经网络技术(ANN)与基于案例推理技术(CBR)相结合用于故障诊断,基于神经网络的故障诊断过程缺乏透明性,对于大型复杂系统效果不良,而在大型系统中基于案例推理的诊断方法,诊断精确度不高,推理效率低下。单独应用这两种人工智能技术都不可避免的存在着局限性。因此,本文将两种诊断方法进行结合,并设计了具体的结合方案,即利用神经网络的模式匹配能力作为预分类器,以输入的故障信息通过学习训练对案例推理中的案例建立索引,指导CBR模块案例的检索,构造了ANN-CBR混合推理方法。ANN-CBR混合推理方法主要是利用BP神经网络模型训练发动机故障损伤图像的输出结果作为案例库的索引条件,然后通过CBR方法去实现案例库检索功能。本文分别利用神经网络技术、基于案例推理方法以及ANN-CBR混合推理对内窥损伤图像测试数据进行诊断,通过对比故障诊断推理结果可知,其中混合推理方法的诊断性能明显优于单独使用前两者方法的情况,说明将神经网络和基于案例推理结合用于故障诊断具有有效性及其实际意义。