基于案例的推理(CBR)是近年来人工智能领域中新兴起的一种推理方法，将该方法应用于故障诊断领域，为故障诊断提供了一条新途径。论文以装备车辆故障诊断为应用背景，结合相关人工智能技术，以案例推理和规则推理为主要诊断技术，研究并设计了一个装备车辆故障诊断系统原型，以实现对装备车辆故障的智能诊断。 对基于案例推理方法的主要技术进行了深入研究，如案例表示、案例组织和索引、案例检索、案例调整等，分析了基于案例推理方法的优缺点，提出了一种融合案例和规则的集成推理机制，给出了融合推理机制的设计方案和实现策略，建立了一个混合故障诊断模型。在分析装备车辆故障知识的基础上，依据装备车辆故障的特点，按照故障发生的不同系统对故障进行分类建立案例库，采用聚类分析的方法为案例建立索引，从而将整个案例库组织成层次的多级索引结构，不仅降低了案例表示和组织的难度，而且大大提高大型案例库的检索效率，并给出了基于关系数据库的知识库组织形式。研究和分析了案例推理中常用的检索策略，提出了基于TOPSIS方法和最近邻法相结合的分级检索模型，利用信息熵的原理来计算案例的权重，使案例权重的分配较为客观准确，并给出分级检索模型和权重计算的实例，验证了方法的正确性和有效性。 基于上述思想，设计和建立了系统的结构体系、概念模型、物理模型和诊断流程，并构建了软件原型系统。