作为实用化人工智能的一个最新的研究领域，专家系统在社会各领域的应用已经越来越广泛。专家系统的研究方向主要是知识获取、推理机制研究、实时处理以及扩大专家系统的应用范围。但是在专家系统的研究过程中，知识获取一直是一个“瓶颈”问题，而知识获取的实质就是机器学习。许多专家系统的工作者已经在这个方面作了大量的研究学习工作。 本文所讨论的高炉异常诊断参数学习系统就是高炉异常炉况诊断实时专家系统中关于知识获取的问题。本文的参数学习系统通过设计启发函数，抽取参数学习的启发性知识，综合运用多种启发式搜索方法，进行了异常炉况诊断系统的参数学习。 本系统是以鞍钢11号高炉为背景设计的，采用实例学习和归纳学习相结合的方法，通过加权的模糊推理逻辑来完成特征因子的界限值、隶属度以及规则可信度的参数的评估和优化，并用现场采集的样本数据进行实验来完成学习任务。实验结果证明本系统有效的提高了符合率，性能良好。