数控机床的结构越来越复杂,对故障诊断与设备维修提出了更高的要求,依靠单一的报警提示或故障推理技术已很难满足复杂系统的诊断需求。融合多种推理技术的诊断系统,能够充分发挥各种技术的优势,可以有效地提高系统的诊断效率,是目前智能诊断研究的一个发展趋势。在进行机床故障诊断的过程中,综合运用RBR和CBR两种诊断技术,使两者在诊断过程的不同阶段互为补充,建立了一个融合规则推理(RBR)和实例诊断(CBR)技术优势的的智能故障诊断系统。本文从智能诊断系统的知识获取、知识表示和诊断推理三个主要方面介绍了诊断系统的构建过程。知识获取部分介绍了知识获取的方法,并针对规则知识获取瓶颈问题,重点论述了由故障树提取规则知识的方法。知识表示章节分析了常见的知识表示方法,并分别介绍了报警知识的表示、规则知识的表示和实例知识的表示方法。诊断推理部分介绍了规则推理和实例诊断的基本方法。前者采用深度优先的知识搜索策略和故障树逻辑分析法来完成基于规则的推理。后者根据机床的结构,对实例知识进行分层索引,采用近邻法计算当前故障与实例库实例之间相似度以得到相似实例。并在分析规则推理和实例诊断各自优点的基础上提出了基于RBR和CRB混合推理的智能故障诊断模型,克服了RBR和CBR各自的缺点,充分发挥了两者的优势。最后采用Qt+VS2005+SQLITE完成了诊断系统的开发,实现了规则推理和实例诊断的融合。该系统既可利用领域知识又可使用历史诊断经验,具备了一定的诊断能力,提高了系统的诊断效率。