采用先进的计算机技术，以集成的方式，获取和重用冲压模具设计过程中的知识并用于新的模具设计，减少开发费用和缩短开发周期，是知识经济时代对于模具行业的要求，是提高模具企业核心竞争力的关键所在，是企业创新设计的技术基础。因此，深入研究冲压模具设计知识的发掘技术，最大限度地利用人工智能的最新研究成果，并结合网络技术加强冲压模具设计知识的共享和交流对于促进模具设计智能化技术的发展和应用有着重要的理论和现实意义。 本文的研究主要包括三个方面：(1)冲压模具设计中隐性知识的发掘技术；(2)支持多种知识来源的冲压模具设计知识统一表达模型及其应用；(3)面向网络应用的冲压模具设计KBE系统的研发。 本文首先从模糊推理的理论出发，阐述了通过模糊推理技术实现冲压模具设计隐性知识外显化的理论基础。利用相似冲压件特征的模具设计的相似性，建立了从冲压件到模具设计的模糊推理规则。研究结果说明，其规则的可信度取决于相似冲压件集合中各冲压件之间的相似程度。从扩大知识来源的角度出发，本文提出了冲压模具设计知识的统一表达模型(UKRMS)。该模型可以统一表述包括教科书、图册、期刊文献和不同CAD平台下的设计图纸中所包含的模具设计知识。该模型将知识和其具体依附的信息载体分离，从而可以充分利用数据库和人工智能的单元技术，有助于提高知识集成的效率和知识应用的广度。 冲压件特征模型是知识发掘的基础，其特征和属性定义的准确与否将直接影响到知识发掘的成败。本文在研究了冲压特征及其属性对于模具设计的影响之后，建立了面向知识发掘的冲压件特征模型，并提出了冲压件的关键特性定义。该模型改变了以往冲压特征定义沿袭机械制造领域的特征定义方式，将材料属性、几何特征等有机地融合到一起，并综合应用了多种模糊化技术，符合设计人员的思维习惯，有利于知识的发掘。 为了提高冲压特征定义的效率，本研究在UG/SheetMetal基础上通过二次开发，采用基于特征的设计和人机交互定义相结合的方法实现了冲压特征属性的半自动抽取。应用表明，这种方式有助于发挥设计人员和计算机各自的优势，取得了自动化程度和灵活性二者较好的平衡。本文引入模糊集和粗糙集等相关的数学工具，建立了一套完整的从冲压模具设计中发掘设计知识的方法。该方法包括模糊聚类、属性约简和规则发掘等一系列步骤，实现了模具设计图纸中的隐性知识的发掘。所发掘的知识以产生式的规则显式地表示，从而统一了显性知识和隐性知识的表达，可以为RBR和CBR等推理技术提供知识支持。通过对于约简后的属性的分析，还有助于发现属性之间的内在联系；通过对于规则的支持度和覆盖度的分析，可以帮助实现知识的去伪存真。 在上述的理论和方法研究的基础上，本文提出并实现了ASP模式下的冲压模具设计KBE系统。该系统在KBE系统的基于知识的产品建模、工程知识的繁衍技术和工程知识的表示和推理技术等关键技术的研究方面进行了深入的探索。在传统CBR的4R模型基础上，结合本文的冲压模具设计知识发掘技术，提出了一个全新的知识存储模型。在此知识存储模型的基础上，提出了知识引导的特征检索和基于分解和重组的事例重用方法。该方法可以在很大程度上改善目前工程设计领域建立事例索引的困难，提高检索的效率。值得指出的是，和传统的CBR检索技术不同，本文将索引的建立和事例的检索分离，从而有助于充分利用关系型数据库的检索功能和对于并发任务的支持，尤其适合网络多用户的应用环境。 本文的冲压模具设计KBE系统是建立在ASP的模式下，以网络服务的形式为设计人员提供服务的，免除了传统的软件购买、安装、维护等环节，可以大大降低中小型模具企业信息化和智能化的门槛。此外，ASP模式对知识实现统一的管理，可以促进模具设计知识的共享和交流，有助于推动整个模具制造行业的技术水平的提高。