基于实例的推理(Case-based Reasoning,简称CBR)来源于认知科学和人工智能的交融发展,它是一种模仿人类的思考方式进行知识存储和知识重用的推理模式,实例库是CBR系统的核心资源。近年来,随着CBR系统在知识管理中的广泛应用,实例库的规模不断扩大,造成了CBR系统的性能瓶颈,从而引起了人们对实例库维护(Case Base Maintenance,简称CBM)的关注。如何采取一定的策略来提高实例的质量,改进实例库的访问性能,提高CBR系统的效率和能力,成为机器推理领域的研究热点和难点。　　 机械产品具有层次性、模块化、参数化的特点,机械产品的研发大多属于原有产品基础上的变形设计和改造。基于CBR的推理系统在处理增量式的学习问题时表现出一定的优势,CBR思想与参数化设计方法相结合及CAXA电子图板的二次开发实现为机械产品的智能设计提供了理论支持和技术支持。基于CBR的智能CAD系统可以实现机械产品的检索和设计经验的重用,达到机床、部件、零件三个层次的实例化管理,以及可视化环境下零件、部件的快速组装。相应地,针对机床产品实例库的要采用新的维护策略。　　 本文在基于CBR的机床智能CAD系统框架下,研究机床实例库的维护方法和优化方法,主要工作及成果如下:　　 (一)阐述了CBR的原理,从认知学、知识发现方法学的角度论证了CBR的产生及其在机器推理方面的优势,并介绍了国内外关于CBR系统应用和基础学术研究的发展现状。　　 (二)阐述了CBM的原理和流程,给出了常用的实例库的维护方法和策略,并对CBM与传统的数据库维护在理论、方法、应用等方面进行了比较。　　 (三)将基于CBR的智能设计与传统的智能设计理论进行比较,提出并描述了基于CBR的机床智能设计系统的工作流程和系统框架。分析了机床的层次化、模块化和参数化特点,确定了机床、部件、零件的实例化描述。　　 (四)针对当前机床产品智能设计出现的新问题和机床设计发展的新要求,提出了一种基于广义模块化思想的维护策略,给出实例库稀疏区域的孔洞检测和广义模版实例生成算法的描述、定义和相关的论证。　　 (五)采用标准数据集模拟实例库,进行算法的仿真,给出了法兰盘变形实例。实验验证了广义实例库的检测和修复算法,证明基于广义模块化的CBM方法可以在较短的时间内完成实例库的孔洞检测,及时生成模版实例。该算法在控制实例库冗余度增长的基础上优化了实例库的结构,具有一定的理论意义和工程意义。