采用先进的计算机技术,以集成的方式,获取和重用冲压模具设计过程中的知识并应用于新的模具设计,减少开发费用和缩短开发周期,是知识经济时代对于模具行业的必然要求。深入研究冲压模具设计知识的发掘技术,最大限度地利用人工智能的最新研究成果,并结合网络技术加强冲压模具设计知识的共享和交流对于促进模具智能化设计技术的发展和应用有着重要的理论和现实意义。冲压件特征模型是知识发掘的基础,其特征和属性定义的准确与否将直接影响到知识发掘的成败。本文在研究了冲裁特征及其属性对模具设计的影响之后,建立了面向知识发掘的冲裁件特征模型,并提出了冲裁件的关键特性定义。该模型改变了以往冲压特征定义沿袭机械制造领域的特征定义方式,将材料属性、几何特征等有机地融合到一起,并综合应用了多种模糊化技术,符合设计人员的思维习惯,有利于知识的发掘。在上述的理论和方法研究的基础上,本文作出以下研究内容和成果：1.阐述了通过模糊推理技术实现冲压模具设计隐性知识外显化的理论基础,提出建立冲压模具设计知识的统一表达模型,有助于知识的积累和重用。2.对基于特征信息的典型冲裁属性进行了归纳定义,本文针对系统设计过程中的模糊性知识,通过引入模糊理论,并将它与特征知识处理模型结合起来,发挥各自的优势,最大限度地找到问题解。3.提出建立面向知识发掘的冲压件特征模型,和基于事例的方法进行冲裁模架设计。4.本文根据冲裁件的特征知识,结合数据库的定义提出了既有动态记忆模型又有分类-范本模型的事例储存模型。5.在Pro/E中实现了冲压模架的参数化建模。