作为现代制造业的“工业母机”,数控机床在现代制造业中有着举足轻重的作用。一个国家的工业水平先进与否在一定程度上体现在数控机床上。随着数控技术的飞速发展,机加工零件的质量、精度以及效率都有着巨大的提升,但随之而来的问题就是数控机床的复杂及精密程度不断加大,结构也更加复杂,核心部件的故障诊断的难度也水涨船高。而滚动轴承作为数控机床最为核心的部件之一,它的运行状态往往直接影响整台数控机床的性能。但是目前传统的轴承故障诊断系统,往往不能够准确及时的发现轴承故障,不能够满足企业信息化发展的需要。本文通过对数控机床滚动轴承故障特征进行分析研究,根据故障特征信号的特点,设计开发了一种基于Web的数控车床滚动轴承故障诊断系统,主要研究工作如下:(1)针对传统变分模态分析(VMD)在轴承故障诊断中的分解结果主要受分量个数K和惩罚因子?的影响而导致解析力低的问题,提出了细菌觅食算法(BFA)优化VMD参数的滚动轴承故障诊断方法。实验结果分析表明优化参数后的VMD算法解析力更强且故障诊断准确率更高。(2)利用改进鱼群算法的全局和局部寻优迭代能力,设置BP神经网络的最优初始参数,可以改进神经网络的收敛速度,防止陷入局部极值,扩大其全局性的特点,设计了一种基于改进鱼群算法(ADAFSA)优化BP神经网络的轴承故障识别方法,并通过数据分析验证了该方法相对于传统方法拥有更高的故障识别率。(3)本文开发了一种基于Web的数控机床滚动轴承故障诊断系统,可以实现在线的实时监测与诊断,该系统主要分为三大部分。首先是轴承振动信号采集部分,主要功能是利用数据采集板、加速度传感器和恒流适配器等设备对诊断信号进行采集,再储存到数据库中。然后是信号分析和故障诊断部分,主要功能是对原始信号进行时域和频域分析提取特征值,再利用基于改进鱼群算法优化BP神经网络的轴承故障识别方法进行故障诊断并得出诊断结果。最后是Web站点及通信传输部分,主要功能是实现各部分的网络通信,将诊断分析结果传输到服务器中,并存储到数据库,可以通过Web站点随时随地查看机床轴承的运行状态,实现用户的登录及权限分配、登录设置等功能。该系统的应用不仅可以使用户提高机床的停机时间、减少维修成本,还可以使机床制造商提高售后服务的质量、减少支出,具有很高的经济及应用价值。