專家系統軟件的開發過程中，若知識庫規則均以外部數據文件I/O的方式存儲，如順序文件、索引文件、樹型結構文件、Hash文件等，就會產生如下一些缺點：組織數據復雜困難；知識存儲結構不清晰，冗余性大；訪問速度慢，使用效率低，不利于查詢；管理能力差，不能簡便有效地維護和擴充數據等。利用數據庫技術則可以克服這些缺陷，因此建立基于數據庫技術的氣流干燥烘干專家系統的知識庫，將使知識庫更加穩定和高效，富通新能源銷售木屑顆粒機、木屑顆粒機等生物質燃料成型、木屑烘干等機械設備。
1、利用數據庫技術實現知識庫
1.1 傳統的知識表示方式的缺陷
知識表示一直是人工智能和專家系統研究的重點，它不僅決定了知識應用的形式，而且也決定了知識處理的效率和實現的域空間規模的大小，其成功與否直接關系到智能系統的水平。目前常見的知識表示有：一階謂詞邏輯表示、產生式規則表示、語義網絡表示、框架結構表示、面向對象的表示和過程表示等。傳統的知識庫管理模式通常采用知識文本文件管理方式，系統中的文件是為特定的系統應用服務的，文件的邏輯結構對特定應用程序來說是優化的，要想對現有的數據進行修改比較困難。一旦數據的邏輯結構改變了，必須修改應用程序，修改文件結構的定義，因此，數據與程序之間缺乏獨立性，而且文本文件管理方式不能滿足多用戶、多應用共享知識的需求，造成管理維護困難等缺陷。
1.2用數據庫技術實現知識庫的優勢
數據庫技術具備數據結構化、低冗余度、高獨立性、易擴充性、數據使用的非過程性以及數據共享等特點。隨著數據庫技術的發展，尤其是關系數據庫技術日益強大的功能和運算速度，使關系數據庫得以更加廣泛的應用。數據庫是對數據進行存儲和管理，而知識庫的主要功能是針對知識進行存儲和管理，兩者既有區別又有聯系。數據庫用于數據信息管理，而知識庫面向智能信息處理；數據庫的主要研究目標是如何有效地存儲和檢索大量數據，知識庫的主要任務是如何有效地實現知識的表示和推理機制。數據庫和知識庫在實現上也有相通之處，知識庫的規則和事實都可以做成數據庫的表的形式，很方便地進行添加、修改、刪除、查詢等操作。因此，實現數據庫和知識庫的結合，把表示事實的數據和代表抽象的知識結合起來，把數據處理的能力和基于知識的處理能力結合起來，對于形成一個性能更高、更廣義的知識庫系統有著深遠的意義。
2、基于數據庫技術的知識庫建立
2.1 知識表示方法
知識庫是人工智能和數據庫技術相結合的產物，是以一致的形式存儲知識的機構。知識庫是專家系統的核心和基礎，故有時專家系統又被稱為基于知識的系統。對知識進行系統化組織與存儲，并能夠有效地管理是建立專家系統時必須要考慮的問題。
本系統的規則具有相互耦合、量多、復雜的特點，各參數、狀態之間相互影響，相互制約，一個狀態的變化勢必引起別的參數或狀態的變化，使問題變的更加復雜。為了得到一個高效、快速靈活的推理，就需要有一個好的知識表示形式。故本系統采用產生式規則表示法，產生式規則的一般形式為C-*R，C表示一組前提（條件或狀態），R表示若干結論（或動作），表示“如果前提C滿足則可推出結論R”。
2.2規則庫的數據庫結構
氣流干燥烘干工藝過程具體可參閱文獻和文獻，在本系統中前提取的是混氣室含氧率和窯頭溫度與銅精礦著火點之差，結論取的是氮氣和稀釋風閥門的動作。規則表主要包括規則編號、前提1、前提2、前提3、結論、解釋號等幾個字段，其中規則編號是不能夠重復的，因此將它定義為主鍵，數據類型設置為數字，其它的均設置為文本型，具體如表1所示。
