数控机床的发展水平已成为一个国家制造业现代化程度的核心标志,其发展程度直接决定着机械、航空航天、汽车、船舶、建筑等支柱产业及能源、交通等基础产业的发展。数控机床伺服系统是数控机床的关键组成部分,直接影响数控机床运行及加工的精度、工作台的移动速度和跟踪精度等性能。数控机床伺服系统故障诊断是提高机床使用效率、安全性和可靠性的关键技术。在吉林省教育厅项目“精密机电系统故障诊断与预报技术的研究”的支持下,对数控铣床伺服系统的故障诊断系统进行了深入研究。首先,以数控铣床伺服系统作为研究对象,对数控铣床伺服系统工作原理、常见故障模式以及故障原因进行了深入分析,主要从故障发生部件的角度,对伺服系统的驱动系统、传动机构、检测装置三大部分进行了故障机理研究。然后,以数控铣床伺服系统故障机理分析为基础,对故障诊断系统关键技术进行研究。针对故障信号非线性、干扰多的问题,选择故障敏感度高的部位安装加速度传感器采集信号,利用时频信号处理方法EEMD对原始信号进行自适应消噪和特征提取处理。再者,考虑故障原因与故障模式之间存在的复杂非线性关系,神经网络数据量大,质量要求高,缺乏解释机制等问题,提出建立故障定位和故障类型辨识两级神经网络,并结合以伺服系统相关的工作状态、产品粗糙度为规则输入的BRB故障诊断方法。应用两级神经网络和BRB理论对数控铣床伺服系统进行了故障诊断,将EEMD非线性信号自适应消噪处理和特征提取,两级神经网络与BRB理论相结合,解决神经网络解释机制问题,有效实现对数控铣床伺服系统多部件进行故障诊断,并为其他复杂机电系统的故障诊断系统提供了参考。最后,对设计开发的数控铣床伺服系统故障诊断系统进行实验验证。以数控铣床伺服系统轴承外圈故障为例对所设计故障诊断系统进行实例分析,仿真及实验结果表明:基于两级神经网络与置信规则库伺服系统故障诊断系统可以有效地对数控铣床伺服系统进行故障诊断。