该文对基于实例推理的航空装备计算机辅助失效分析系统进行了研究.首先介绍了计算机辅助失效分析系统的发展状况,阐明了基于实例推理(Case-Based Reasoning,或CBR)的基本理论和关键技术,实现了利用CBR建立航空装备动部件的计算机辅助失效模式识别系统,从而有效解决了一种类比推理思路在失效分析中的应用问题,为航空装备失效分析人员提供一种高效的辅助分析决策手段.该文在分析航空装备失效信息特点的基础上,选择了关系型数据库Access和实体-关系建模技术构建了具有多达358个失效案例的实例库,实现了实例信息表达的统一化、标准化(即字典库)以及与失效分析人员良好的交互与维护.根据航空装备失效分析过程中判断部件失效模式的属性知识特点,筛选了诸如外观特征、裂纹扩展路径、断口宏观形状、微观源区特征等15个属性项,共多达350个属性分量用于实例检索.这些属性项被分为3组以便被合理地用于学习训练.在学习训练过程中,该文采用了遗传算法寻找具有最高识别能力的权值向量.文中对算法决策变量的编码与解码、适应度函数的设计、遗传算子的实现、运行参数的选择、训练策略的确定进行了详细介绍.在算法研究过程中,设计了新型的适应度函数、提出了混合训练策略和评价训练算法性能的标准.利用VC++构建了基于实例推理的航空装备辅助失效模式识别系统.通过大量的测试,证明了所研究的遗传训练算法对3种均衡分布的失效模式识别能达到74.67％的精度,对具有非均衡分布的5种失效模式的识别精度也高达63.46％.结果也表明了训练获得的最优权值向量具有很好的推广性能,而采用混合训练策略时训练效果可以得到进一步改善.