基于模型的诊断作为人工智能领域一个十分重要的研究方向,受到学术界与产业界的密切关注。近年来,其研究的新理论和新技术为诊断在工农业生产、航空航天等领域的应用提供了强有力的技术支持;反之,基于模型的诊断方法在实践中产生的新问题又对学术界提出新的课题,需要新的理论与方法加以解决,因此基于模型的诊断研究具有极其重要的理论与现实意义。本项目主要研究1研究一项动态确定分层描述的诊断技术,降低问题复杂性,提高诊断效率;2研究一种静态与动态相结合的诊断分解方法,减小问题求解规模,达到提高诊断效率的目的;3研究通过替换测试的方法进行候选诊断的鉴别以及系统的修复,并把研究结果应用到重新配置与产品设计中;4研究把基于模型的诊断分解理论应用到配置求解的方法,达到提高配置求解效率的目的;5研究利用诊断的冲突计算方法进行配置求解中冲突的解释与择优蕴涵处理,把诊断方法应用到新的问题领域。