不論是CAxD（Computer Aided x-application Design），還是DFx（Design for x-），也不論是基于約束的設(shè)計方法，還是基于實例的推理技術(shù)，zui終都要進行設(shè)計方案的評價、多方案排序及再設(shè)計。在油泵方案設(shè)計階段，就是對噴射性能進行評價。

  *實例的提取就是在實例庫中抽取其特征與設(shè)計任務特征zui為相似的實例或?qū)嵗巍ＴO(shè)計任務包括設(shè)計目標、約束和初始條件。相似實例的搜索實際上是在多屬性空間中的決策，因而基于索引特征的加權(quán)和是典型的搜索策略。當實例表示為集合時，實例間的距離可定義為兩個實例的交集；當實例表示為狀態(tài)空間向量時，實例間的距離可定義為代數(shù)上向量間的距離。這三種都屬于zui近鄰搜索策略。當設(shè)計實例有足夠多時，也可采用基于神經(jīng)網(wǎng)絡(luò)的提取策略。基于神經(jīng)網(wǎng)絡(luò)的提取策略可通過多個成功和失敗實例的訓練，使提取決策排除人為因素的干擾，具有自適應和自學習的能力。提出了基于知識和可視化技術(shù)的油泵設(shè)計方法。在方案設(shè)計階段，可采用基于實例的設(shè)計方法或基于模型的設(shè)計方法，實例的設(shè)計方法將利用大量方案設(shè)計實例庫支持主參數(shù)的設(shè)計，基于模型的方案設(shè)計是利用長期總結(jié)出來的設(shè)計流程、設(shè)計模型設(shè)計的。由于燃油噴射系統(tǒng)的復雜性，設(shè)計模型中存在大量的經(jīng)驗系數(shù)。我們利用數(shù)據(jù)庫知識發(fā)現(xiàn)技術(shù)，從以往的設(shè)計任務、產(chǎn)品結(jié)構(gòu)及調(diào)試評價等數(shù)據(jù)庫中挖掘設(shè)計知識，找出設(shè)計經(jīng)驗系數(shù)的選取規(guī)律。燃油噴射過程以動畫形式表現(xiàn)，噴射性能結(jié)果以模糊評價技術(shù)進行評判，并由模糊再設(shè)計專家系統(tǒng)輔助進行再設(shè)計。提出了基于約束的產(chǎn)品族設(shè)計方法來支持詳細設(shè)計，并以裝配仿真來評價。本文研究了這些關(guān)鍵技術(shù)，開發(fā)了相應的軟件，并在工廠得到應用。

   設(shè)計實例由設(shè)計實例的數(shù)據(jù)、實例的求解知識和實例的索引三部分組成。油泵設(shè)計采用面向?qū)ο蟮闹R表達方法，即將多種單一知識表達方法（規(guī)則、框架和過程），按照面向?qū)ο笤O(shè)計原則組成一種混合的知識表達形式。以油泵為中心，將靜態(tài)屬性和動態(tài)行為特征，以及設(shè)計處理知識“封裝”在表達對象的結(jié)構(gòu)中。該方法允許將復雜的油泵對象分解成若干個簡單對象，成為一個樹狀結(jié)構(gòu)（如圖2）。同時，一個復雜的實例也可逐步分解為一些較為簡單的實例。

    分解程度有兩種情況：①如果支持詳細設(shè)計，可分解至零件級，但可能導致實例庫結(jié)構(gòu)龐大、復雜；②如果支持方案設(shè)計，可分解至能進行方案設(shè)計評價（噴射性能評價）的結(jié)構(gòu)特征和主關(guān)鍵零件特征參數(shù)一級