对基于人工神经网的诊断方法与基于案例推理的方法(Case-Based Reasoning, CBR)的结合进行了研究,提出了两种结合方案.针对CBR系统建立案例库索引这一难点,方案一利用人工神经网诊断分类器的诊断结果对案例库进行索引;方案二用人工神经网为待诊断对象建立模型,对正常的状态作出预测,通过预测值与实际测量值的差异对案例库进行索引.在作出最后诊断之前两种方案都利用CBR的推理结果对神经网的诊断结果进行检验和修正,从而给出更为精确、便于解释的诊断结果.经过实验对比验证,人工神经网与CBR方法的结合有效的弥补了它们在诊断推理应用中通常存在的局限.从诊断准确率、诊断速度以及诊断系统的自学习性等方面,都取得了优于传统人工神经网方法和CBR方法的性能,较好的完成了诊断推理工作.