本文主要介绍了导弹故障诊断专家系统中神经网络推理机的设计和实现。首先，本文介绍了导弹故障诊断专家系统的总体组成结构。然后，介绍了神经网络推理机的设计，包括网络结构、学习算法以及相关参数的选择。Timo Sorsa等人认为采用双曲正切激励函数的三层感知器最适于故障诊断【2】，因此导弹故障诊断专家系统中的神经网络采用双曲正切三层感知器模型。网络的隐节点数采用经验公式，在满足要求的同时能简化程序设计。学习算法采用误差反向传播（BP）算法，它结构简单，易于编程实现。但是，BP算法存在收敛速度慢且易陷入局部最小的缺陷，而且导弹故障诊断系统的网络往往规模较大，训练样本数较多，为使网络能较快收敛，本文采用批处理方式，这些都使网络中可能存在较多局部最小点，采用常规BP算法或一些常用的改进算法很难收敛。针对BP算法的这两个主要问题，本文提出了一种改进算法，它通过对Delta-bar-delta(DBD)算法进行随机优化，使网络能够摆脱负梯度方向的束缚，跳出局部最小，最终能快速收敛。随后，本文介绍了神经网络推理机的实现。前两项工作在知识库服务器上进行。系统的知识库由规则和神经网络两部分知识库组成，它们互相联系但独立实现。之后，本文对系统的自动知识获取机制进行了初步的分析和设计。最后，本文对整个系统进行了总结，并对系统仍需要完善的地方提出了一些设想。