随着经济和技术的不断发展,数控机床已经逐渐成为国家现代化水平的重要标志之然而数控机床刀具的故障却成为影响生产效率的重要瓶颈。在中国的现阶段中小型企业使用的数控机床一般不具备智能诊断刀具状态的功能,大部分是靠经验来进行诊断和分析。由于人工经验的局限性,诊断的效率以及正确率存在很大的不确定性。基于以上原因,上述中小型企业迫切需要运用人工智能方法来对刀具的磨损状态进行监测以提高诊断的准确率。学位论文写作的主要目标是运用科学的方法采集数据,以及采用人工智能融合技术来对中小型企业出现的刀具问题进行诊断,并在此基础上对于企业适合的系统进行总体设计以及实现。本文正是围绕上述提出的问题进行研究和分析。在本次学位论文开始之前通过对数控机床刀具的磨损机理和刀具故障诊断理论方法深入分析,得出了将模糊理论和支持向量机结合,并在此基础上提出了模糊支持向量机的思想。根据该思想建立相关的数学模型以及多故障分类器。经实验仿真得出模糊支持向量机模型可以有效的解决分类时存在的分类盲区,提高分类器的分类精度,同时诊断过程具备模糊性,以及记忆能力,应用于刀具磨损的诊断具有较高的实用性。最后,针对企业以及刀具故障的特点,提出采用分布式结构来对系统的总体架构进行设计和实现,并在此基础上选取适合中小型企业数据库。