随着数控机床自动化技术的不断提高，对于加工技术性能指标的要求也越来越严格。为了保证工件的加工质量，就需要对刀具的实时状态进行监测与分析，预测刀具可能出现的故障，增加刀具的使用效率，降低事故的发生率，减少了不必要的经济损失。人工免疫是继人工神经网络与遗传进化等算法之后，出现在人工智能领域中且引人关注的热点问题。将人工免疫算法与神经网络相结合并应用于数控机床刀具设备的状态监测中，可以对可能出现的故障进行预测，为提前预防故障提供依据，因此，具有重要的理论研究价值和工程实践意义。论文以数控鞋楦机床刀具故障预测为背景，通过对数控机床刀具故障形成机理分析，并综合利用人工免疫算法和神经网络的基本理论，开展了免疫神经网络故障预测方法的研究工作。将加工过程中刀具与工件的摩擦所产生的温度信号与振动信号作为反映故障的特征信息，通过对收集到的刀具在正常加工运作条件下的一些特征信息，进行处理和分析，得到数控鞋楦刀具正常工作状态下的特征信息的集合，形成代表“自己”空间的样本集。由于故障样本有限，所以对于“自己”空间的样本集采用阴性选择算法实现“非己”空间选择，训练产生检测器集(故障样本)，从而扩大了训练样本的范围。将生成的检测器集和样本集作为神经网络的输入端，确立人工神经网络的结构，将免疫疫苗引入到神经网络中，充分地利用了待求问题的特征信息，根据已有检测器集和刀具信息的样本集进行网络训练，建立了基于免疫神经网络的故障预测模型，应用于数控鞋楦机床刀具的仿真故障预测中。在采集数控鞋楦机床刀具特征信息的基础上，利用未参加训练的样本数据进行预测分析，通过仿真实验验证了算法的可行性，可以有效地应用于预测刀具的损坏程度，实现刀具故障的预测分析功能。仿真实验中，通过对刀具在温度特征信息下的异常情况、振动特征信息下的异常情况以及在温度和振动特征信息下的异常情况的对比分析，确定了以温度与振动组合作为特征信息，可以更准确的反映出刀具的异常情况。利用已知刀具故障情况的特征信息，进行仿真实验分析，预测结果表明所建立的预测模型具有较好的可行性和准确性，具有较好的实践指导意义。