随着互联网+、大数据、人工智能等先进技术的提出,制造业也正朝着数字化、网络化和智能化方向的不断推进。数控机床作为现代化生产制造系统的核心设备之一,已被投入到各个领域部件的生产制造过程中。随着人们对数控机床的功能、加工精度及可靠性等要求的不断提高,其组成模块、部件及结构也越来越多、越来越复杂,基于传统的噪声检测、振动检测等技术已无法对数控机床进行全面而准确的状态监测与故障诊断。基于此,本文提出了数控机床的故障诊断系统方法,搭建了远程监测与故障诊断系统平台,并设计了远程监测系统用于远程信息查询与管理。(1)阐述了课题的研究背景与意义,对数控机床的构成进行了分析,并对国内外故障诊断与远程检测技术的研究现状进行了调研。(2)对故障诊断算法理论进行了介绍,对故障书的算法原理、基本符号、数学表达和模型建立方法进行了详细阐述;对神经网络算法概念及BP神经网络训练方法进行了介绍;最后以基于自编码的深度神经网络为例对基于深度学习的故障诊断方法进行了理论分析,为数据机床远程监测与故障诊断系统平台的建立提供基础与支撑。(3)建立了数控机床故障诊断的模型,首先对数控机床故障类型进行了剖析,其次,对依据故障树的层次化结构搭建了数控机床的故障树并多故障树的模型进行了分析;最后搭建了基于深度神经网络的故障诊断模型。(4)设计了远程监测与故障诊断系统平台,首先搭建了系统平台的总体架构;设计了基于Oracle的系统数据库以及数据库查询和管理系统。最后建立了远程监测与故障诊断子系统用于迅速排出故障可能发生的原因。(5)基于B/S架构对远程监测系统进行了开发,设计了用户登录注册、信息查询与管理、故障诊断与监测系统的前端和后台;搭建了测试环境对深度神经网络的故障诊断模型进行了测试,结果表明,本文设计的故障诊断模型可以较好地实现对数控机床进行故障诊断。