随着智能技术在现代机床加工中的应用,数控机床的故障诊断开始向智能化方向发展。基于案例推理(CBR, Case-Base Reasoning)的技术可以克服传统智能诊断专家系统中知识难以表达、知识获取困难等缺陷,将CBR技术应用于数控机床故障诊断中,可以充分发挥它的优点,是一种可行且有效的故障诊断解决方法。本文在分析当前各种智能诊断方法优缺点的基础上,以配有FANUC系统的数控机床为研究对象,设计并实现了一个基于CBR的数控机床智能诊断系统。首先,在探讨数控机床故障特点的基础上,针对数控机床故障智能诊断的需求,结合FANUC系统的结构特点,设计了系统的总体结构。随后,以智能诊断系统的故障信息采集模块和CBR推理模块两个方面为主,对诊断系统的具体结构进行了详细的设计。文中的故障信息采集模块分为基于FOCAS (FANUC Open CNC Application Software)的数控系统内部信息的采集和可观察故障现象的人工采集两部分,提出的启发式故障现象收集策略根据已有的故障信息完善推理所需的故障属性,可以有效提高系统的推理效率。在探讨CBR系统关键技术的基础上,本文着重研究了CBR推理模块的案例表示方法和案例检索策略。针对数控机床故障特征表现的特点,采用了面向对象的案例表示方法。文中结合案例相似度的计算,提出了一种基于KNN(K Nearest Neighbors, K-近邻)算法的案例检索策略,该策略根据新案例的KNN分类结果来进行案例检索,提高了检索的客观性和效率。为了减少案例属性的冗余度提高系统诊断效率,对基于粗糙集(RS, Rough-Set)勺案例属性优化方法进行了研究。采用了基于相似差别矩阵的属性约简算法,针对经典粗糙集处理连续型数据的缺陷,提出了一种基于相容粗糙集的特征权值提取方法。最后,本文对系统软件进行了设计,包括系统总体流程图、功能模块、软件结构以及数据库的设计等,并采用VS2008+SQLSERVER完成了诊断系统的开发。图24幅,表12个,参考文献65篇。