为了综合利用人类在决策过程中的不确定信息和定性知识,实现复杂决策问题建模的要求,置信规则库(Belief Rule Base,BRB)专家系统应运而生。和传统IF-THEN规则相比,BRB在规则中加入了置信框架,使得可以更充分的利用各种类型的数据知识,挖掘输入输出之间的非线性信息,从而实现复杂决策问题的建模。置信规则库专家系统以其智能性和多信息知识表达等优势,备受学者们的关注。置信规则库允许专家直接介入,而专家知识具有主观性,加上实际工程中的问题多是复杂的,这些都给准确快速设置置信框架的参数和结构带来了挑战。为了解决以上问题,本论文对置信规则库专家系统的建模方法进行了研究。论文的主要工作如下:(1)针对置信规则库优化模型求解效率差的问题,采用了一种基于粒子群智能算法的BRB参数训练方法。以食用油掺伪检测问题为背景,对所提方法进行了验证。相对于传统参数优化策略,粒子群优化算法明显提高了油品检测BRB模型的求解效率。(2)为了克服在确定BRB结构时专家知识的局限性,通过将前提属性的参考值和输出评价等级的效用作为推理模型中的待估计参数,提出了结构和参数同时优化的 BRB 模型(Optimize Structure and Parameters of BRB,OSP-BRB)。以烟草打孔水松纸透气度为研究对象,与相关BRB结构辨识的方法相比,OSP-BRB更加真实的反映了透气度的实际情况,证明了该方法可以更合理的构建BRB结构。(3)针对多决策因子引起的BRB规模过大的问题,基于属性重要度,增加前提属性权重的优化,提出了 BRB约减模型(BRB-reduction,BRB-R)。以油浸式变压器故障诊断为例,该方法缩减BRB规模的同时,将故障诊断的正确率提高了三个百分点,说明该方法是一种有效的属性约减方法。针对置信规则库专家系统在建模时存在的不足,从置信规则库参数和结构辨识,以及规模约简三个方面进行了研究改进,在三个领域的应用效果说明了文章改进后的建模方法可以有效克服专家知识局限性,较准确的设置置信规则库的置信框架,具有重要的工程实用价值。