专家系统是一种基于知识的人工智能技术,通过综合运用某个领域专家提供的专门知识和经验进行推理和判断,模拟专家的决策过程。作为一类“浅知识”系统,专家系统的优劣很依赖于知识库的完备性及推理的策略。知识表示作为专家经验知识的计算机表现形式,直接决定着知识获取方式、知识库及推理策略。传统产生式系统在知识获取方式、资源共享、知识扩充、功能集成等方面还存在一些不足,因此有必要对这些问题作进一步研究。论文首先介绍了现阶段专家系统的应用及研究现状,分析了目前产生式系统在应用中存在的不足;然后在元建模技术为指导下定义了一种表示知识的语义元模型,给出元模型各元素的图符表示、语义、形式化定义及形式化描述;继而提出了一种新的专家系统体系结构,旨在克服传统产生式系统在知识获取、资源共享等方面存在的不足。论文对其中两个重要的支撑工具:图形化建模工具及知识转化引擎的设计思想和实现方案进行了详细的阐述;同时针对目前主流系统外壳无法支持不确定性双向推理的问题,设计了一套描述知识的反向链。通过将正向知识进行反向表示,实现不确定性知识在FuzzyCLIPS推理引擎上完成双向推理;最后重点介绍了论文研究成果在航天科工集团二院项目“人体健康评估和疾病分析系统”中的实现及应用,验证了所取得成果的可行性及应用价值。