脉诊是传统中医的重要组成部分,它具有对人体生理病理情况整体评价的优势。但传统的中医脉诊往往过于主观,过分依赖医生的经验,难以学习与掌握。而脉诊客观化正是要运用现代科学技术对人体脉象进行客观化的检测和分析。随近年来人工智能与信息科学的发展及其在传统中医领域的渗入,为脉象仪的研制和脉象分析理论提供了强有力的支持,因而有必要再对脉诊客观化作进一步的研究。　　 运动性疲劳是指机体生理过程不能持续其机能在特定水平上进行和/或不能维持预定的运动强度。正确认识运动性疲劳及其发生机制特别是准确地对运动性疲劳进行评价,能有效合理地实施恢复手段与措施,有助于科学指导体育锻炼,全民健身和运动训练。但目前常用的评价运动性疲劳方法大多存在创伤性,滞后性等问题,难以推广。由于运动性疲劳的产生是机体全身综合反应的结果,所以应用中医脉诊原理和脉图客观指标对其进行评价有望发挥中医诊断方法整体评价的优势,使之成为一种便捷、无创、有效,实时的评价方法。　　 本文试图从传统中医的脉诊理论出发,结合人工智能的相关方法对人体运动性疲劳进行自动化评价,从而为中医脉诊客观化作出一些有益的尝试。本文的内容主要分为两部分:脉象的检测和脉象的分析。　　 关于脉象的检测,本文介绍了合作研制的小型脉象仪原型。该脉象仪最大的特点是能自适应调整脉象的显示,而且基于单片机和LCD实现,性价比高,便携。文中介绍了其主要功能的实现,包括脉象图在LCD上显示,图形的自适应调整,相关时域信息计算方法等。　　 关于脉象的图形特征分析,本文提出了一种基于模糊推理的脉象分析方法。该方法尝试把模糊推理的可解释性,神经网络的自适应性,中医理论的经验知识结合起来处理脉象诊断问题。方法的核心是引入自适应神经模糊推理系统(ANFIS)。具体的操作过程可以分为五步:脉象特征提取,运用中医理论知识建立推理层次和规则,构建初始FIS,转化为ANFIS,训练ANFIS优化规则。其中在最后一步,用MALAB实现了具有两级推理层次ANFIS网络的BP算法。在本文中使用该方法对人体运动性疲劳程度进行识别,最后的实验结果表明,ANFIS能在保持可解释性的同时(不对结论参数进行训练)通过训练数据对隶属函数进行微调从而优化规则,提高了识别精度(对于训练数据,均方误差从0.098减至0.023,减少76.62％；对于测试数据,从0.068减至0.039,减少43.54％)。