随着知识经济的快速发展，企业对知识的需求越来越强烈，很多企业通过引入知识管理系统来管理企业内部的知识资源。然而，系统中知识资源的急剧增长导致用户很难找到真正需要的知识，从而陷入知识迷航的困境。个性化推荐技术是目前解决信息过载问题最有效的方法之一，利用推荐技术可以将用户从海量的知识资源中解脱出来，帮助用户高效地获取知识。本文将个性化知识推荐技术引入到铁路货车设计知识管理系统中，重点对用户建模方法和个性化推荐算法进行研究。论文的主要研究内容如下：（1）给出了基于个性化知识推荐技术的设计知识管理系统框架，该框架由知识资源层、知识处理层、业务逻辑层和用户接口层组成。其中，业务逻辑层是系统的核心层，主要负责用户建模和个性化知识推荐的业务处理。（2）提出了一种基于本体的细粒度用户建模方法。在基于本体的用户建模方法基础上，定义了用户模型的细粒度描述；给出了基于浏览行为的用户兴趣度量方法，并结合领域本体实现用户模型的推理学习，同时给出了基于用户兴趣衰减机制的用户模型动态更新方法。（3）提出了一种基于本体的多层协同过滤推荐算法，给出了算法的总体思路及处理流程。算法在基于本体的细粒度用户模型的基础上，结合了多种用户相似性度量方法，通过对用户邻居集合进行多层过滤得到用户最近邻，然后根据最近邻的群体兴趣为用户推荐知识，并通过实验验证了本文算法的有效性。（4）完成了基于个性化知识推荐技术的设计知识管理系统的设计与开发。通过分析项目背景给出了系统的主要功能结构，描述了系统的设计和实现细节，并给出了部分运行界面。