1952年诞生的数控机床,经过六十余年的发展,在自主执行上有了充分的发展,在很大程度上解决了代替体力劳动的问题,但是仍然存在数据感知不完全和决策能力不足的问题,使得数控机床并不能较好地替代人的脑力劳动。为了进一步提升数控机床的智能化程度,本文以数控系统在加工过程中记录的海量实时数据为基础,研究了面向机床智能化的自主感知、智能决策和自动监测等关键技术的实现方法和技术。对加工过程记录的海量时序数据采用常规的时域和频域分析时,所得到的数据特征与加工任务之间难以自动建立映射关系,这是机床生产活动中学习与决策尚需依赖人工深度参与的根本原因。为此本文提出基于指令域的数据采集和分析方法。在数控系统周期性地记录位置、速度、电流、功率时,同步记录该周期指令所属的NC代码指令行号,从而以指令行号为索引,建立了所记录的状态数据和加工任务间的精准映射关系,实现状态数据中系统响应特征的自动标记。而以指令行标记的时序数据是特征统计与分析的基本单位和工艺参数的最小作用域,并以此设计了基于指令域的数据分析方法,在时域、频域分析的基础上扩展出指令域的特征,为智能化应用奠定数据分析的基础。对数控系统采集的数据进行预处理具有重要意义。一方面充分利用指令域分析方法的状态数据和加工任务精确映射的特点,对单一的时序数据中特定工作任务的数据进行自动分离,以提升数据分析的针对性,对两个时序数据中相同的工作任务数据进行比较分析,以提高数据对微弱特征的敏感性。另一方面,对主轴功率和进给轴电流中包含的由于热效应引起的低频非线性干扰成分,采用经验模式分解的方法予以剔除,实现无温度传感器下的热态成分剔除,以提升数据有效性。优化加工工艺参数以提升加工效率是数控机床应该具备的典型智能化功能之一。本文提出了基于指令域分析的进给速度优化方法,首先对主轴功率进行精准分段和热态成分的分离,以切削力相关的成分为研究对象,以NC代码指令行为单位统计主轴功率平均值特征,利用正交实验构建主轴功率与进给速度的指数模型,并据此进一步建立提升加工效率和降低主轴功率波动的多目标优化模型,采用基于精英控制的非支配筛选遗传算法(Controlled NSGA-II)进行启发式地学习和优化,实现基于实测数据调整各指令行的进给速度,改善进给速度对加工条件的适应性,从而实现效率的提升。针对3C领域铝合金手机壳体粗铣加工提升加工效率的需求,设计基于指令域分析方法的工艺参数优化流程,研发了进给速度优化软件,优化后加工效率可提高5%-20%。针对少人值守自动化车间需要自动化断刀监测的需求,提出了基于指令域分析的立铣刀断刀监测方法。首先对主轴功率进行精准分段、比较分析和热态成分的分离,以切削力相关的敏感成分为研究对象,针对样本自动获取难、断刀样本初始获取成本高、样本增量生成、样本分布不均衡和刀具监测的实时性要求高的工业化应用问题,提出了基于增量式代价敏感支持向量机(ICSSVM)的立铣刀断刀监测方法,实现新增样本的增量式学习,在稳定计算效率的同时,提升了不均衡样本的辨识准确率,具有较好的工业应用价值。与通过外接传感器或附加的刀具检测装置来完成监测的方法相比,该方法既不需外部传感器也不用在加工程序中另外编制移动刀具到检测位的额外动作,成本低、效率高。针对3C领域铝合金手机壳加工的智能化车间的立铣刀断刀监测的需求,研发了运行于云平台下的断刀监测软件,并在工业现场进行了部署实施。指令域分析方法在工艺参数优化和刀具状态监测的应用中产生了较好的效果,为其在其他智能化功能中的应用奠定了良好的基础。