数控机床作为衡量一个国家工业现代化水平的重要标志,其出现故障不仅造成巨大的经济损失,严重时还会危及到人身安全。借助专家系统和网络技术开发基于Web的故障诊断专家系统,可以方便快速找出故障原因,给出排除故障的方法,有效的缩短因设备故障而造成的设备停机时间。同时以“数据流动”代替“人员流动”,减少产品维修人员的出差次数,降低售后技术支持费用,增强产品的市场竞争力。论文在对数控机床功能结构、故障机理和故障诊断理论方法深入分析的基础之上,首先将云理论和RBF神经网络结合提出了RBF云神经网络模型,该模型既具备云理论的随机性和模糊性,又兼备RBF的学习、记忆能力。随后将其应用到数控机床的刀具磨损状态识别中,经比较发现该网络模型的精确度较高,具有较强实用性。该模型同样适用于数控机床故障诊断,当有多个可能的故障原因时可以利用该模型找到最大可能的故障原因,减少逐一尝试排查所带来的不必要时间浪费。接着文章讨论了该故障诊断系统采用的诊断机制,即RBR和CBR协调工作的诊断机制,二者在推理中混合执行,规则是对实例的归纳总结,克服了规则获取难的缺点,在诊断中又指导实例,使得故障快速定位,提高了诊断的效率。知识表示作为建立专家系统的重要环节,本文采用面向对象的知识表示方法,首先对数控机床按照功能结构进行层次划分,接着将规则、案例在数据库中与数控机床的功能结构结合并分别存储,便于快速检索。最后,以MyEclipse6.0+Tomcat6.0.18+JDK1.6.0为开发工具,以SQL Server2000为DBMS,以Struts2为框架,采用JSP技术开发了基于B/S模式的数控机床故障诊断专家系统。该系统基本符合最初的设计要求,能准确的进行故障定位,为故障维修提供决策支持,同时利用数据库建立起的知识库十分便于知识维护。