在专家系统开发过程中，知识获取是决定专家系统性能的关键因素，也是最难解决的一道工序，被列为专家系统建造的中心工作，被公认为是专家系统建造中的“瓶颈”问题。 本文来源于国家科技攻关研究项目《柑橘智能栽培专家系统》的研发。文章首先设计了一个三层BP网络模型，确定了一个较为灵活的网络结构(可以动态输入神经网络输入和输出单元数目)，使得网络在增删神经元数目的情况下仍然可以正常的较好的运行。并针对标准BP神经网络算法的缺点提出一种采用了学习速率自行调节和增加动量项结合的改进方法——MSBP，该算法有效的抑制了网络陷于局部极小，加快网络训练速度，缩短训练时间，确保网络稳定性。通过对MSBP算法的仿真结果表明，改进的算法在训练次数、训练时间、误差等方面大为降低，泛化性和网络精度均达到了令人满意的效果。在上述研究工作基础上，针对神经网络的黑箱性，提出将SD算法用于规则抽取，SD算法对前馈网络相当有效，可以抽取出正确的产生式规则，通过在系统中的实现取得了良好的效果。 本研究以实际应用为目的，对柑橘病虫害专家系统知识获取的各项技术做了全面细致的论述，提出了将神经网络应用于柑橘病虫害专家系统知识获取的方法，对知识获取的进一步发展做了一些基础性研究，具有重要的实践意义。通过该知识获取机制，可以将知识源中的信息转化为机器可以识别和执行的形式，能够直接被推理机所使用，对系统下步的推理机产生良好的数据支持。