数据库管理模块：系统的数据库管理模块包含了固体推进剂的规则库、实例库、综合数据库(中间数据库)。数据库管理模块不但可以进行静态数据库操作，还可以在系统运行过程中进行动态的数据交互。 数据库中的数据的积累和数据结构的合理性是整个专家系统能否有效运行的基础，该模块组成如图 4所示。
3. SPES 关键技术
SPES 除了具有一般专家系统的思维特征外，还有明显的设计型及预测型专家系统思维特征。因此，SPES 是集实例库、推理机、预测、优化及解释功能于一体的耦合系统，并存在以下关键技术：
(1) 神经网络专家系统的构成：在人工神经网络与专家系统基本原理与方法的基础上，建立人工神经网络专家系统的方法，确定了人工神经网络专家系统的总体框架；
(2) 固体推进剂数据库的建立：根据固体推进剂领域知识的和系统推理的需要，确定数据库的开发工具、数据结构和数据库的组成形式；
(3) 类比设计、经验设计及理论预示：在对比学习原理深入了解的基础上，对固体推进剂配方设计中的类比方法进行深入分析，确定类比设计的相似准则并建立类比设计模块；分析固体推进剂研制的思维过程和实际经验， 将固体推进剂开发过程概念化、 规则化及模型化，并在此基础上建立经验设计模块；在类比设计和经验设计均达不到设计要求的情况下，建立基于配方组元的固体推进剂性能预示模块。
(4) 神经网络及其模型：通过前面对影响固体推进剂研制各因素的分析，利用人工神经网络中的多层前馈网络模型及其反传算法，建立多影响因素、多输出指标的配方设计效果预测模型，同时也是固体推进剂知识获取的重要方法。
4. SPES 应用示例论
SPES 通常采用配方组分的种类、含量、粒度等参数表征固体推进剂配方。文章以高能固体推进剂为示例，考虑其燃烧性能主要因素，采用如下 13 个参数来表征推进剂配方,并用于神经网络计算。
(1)影响燃烧的元素(C、H、O、N、Cl、Al)含量(mol)；
(2)反应物的总标准生成焓 ∆Hm(kJ/mol)；
(3)固体组分的分形维数 DAP、DAl、DRDX；
(4)固体组分的粒度 dAP、dAl、dRDX(µm)。
上述表征参数可较全面反映 NEPE 类高能固体推进剂配方组分的本质特征， 可通过由少数几种组分组成的简单配方建立的训练样本，对神经网络进行训练，来实现对大多数 NEPE类配方燃烧性能的预测，从而在一定意义上实现了神经网络的“外推”预测。
5. SPES 前景
专家系统作为人工智能研究领域的一个重要分支，是人类智能的计算机延续。SPES 作为固体推进剂领域的专家系统，具有积极的科研意义和较为广阔的应用前景：
(1) 可以将该领域内不同来源的设计实例汇集和综合起来，以统一的数据结构存放在数据结构存放在数据库中，这样既可以是知识系统化，防止知识的流失，又可以利用数据库的强大检索功能，快速向用户提供设计信息；
(2) 以专家系统推理规则的形式将领域专家分析和解决问题的思维方式模式化，通过专家系统推理机即通过计算机程序将专家的经验知识存储起来， 对固体推进剂性能预示进行指导， 这样一定程度上减轻对为数不多的配方设计专家的依赖， 便于高性能推进剂的研制开发。
(3) 人工神经网络和专家系统的结合，使固体推进剂组成、结构及性能之间的复杂、专家知识难以获取和表达的问题得以解决，使固体推进剂配方设计具有自学习的功能。因此，SPES 集计算机专家、固体推进剂领域的诸多专家及文献资料的各项知识和经验于一身，博采众长，能提供高质量的服务，比单一的专家有更高的可信度，SPES 缩短了固体推进剂研制周期，降低了工作量，提高了效率，减少了研究经费，并为设计出更高性能的固体推进剂提供了可能。
