数控机床是计算机集成制造、柔性制造以及e-制造实现的基础，在现代制造装备业中具有不可替代的作用。但由于其结构和种类较为复杂，其故障往往具有复杂性和隐蔽性的特点。数控机床一旦故障发生，将会对机械装备制造业造成不可估量的损失。因此，提前、快速、准确地解决数控机床的的故障诊断问题，不仅对于企业发展而言尤为重要，甚至对我国机械装备制造业而言也具有巨大的推动作用以及现实意义。众所周知，人工智能技术在现代数控机床故障诊断技术中发挥着巨大的作用，但是运用单一的人工智能技术对数控机床进行故障诊断存在着精度不高和泛化能力较弱等缺点。人工神经网络技术和模糊逻辑理论是人工智能技术的最成功的算法之一，由于二者彼此之间存在着差异性和互补性，因而将二者以合理的方式融合，优势互补，扬长避短，形成模糊神经网络模型。模糊神经网络模型不仅具有人工神经网络的分布式、并行处理复杂信息的能力以及高度自组织、自学习的能力，而且还具备了模糊逻辑的处理不精确、不完全信息的能力。所以，模糊神经网络能够成为研究数控机床故障诊断的一种有效方法。本文主要是以数控机床的常见故障诊断为研究目的，对模糊神经网络的基本原理和工程应用进行了深入的研究。并选取CAK6150数控卧式车床常见的34组故障征兆与54组故障原因作为研究对象，经过细致的归纳，形成基于模糊神经网络的数控机床故障诊断模型所需的样本数据。最后,本文采用MATLAB软件进行编程，实现数控机床故障诊断模型的仿真。其仿真结果不仅与理论输出非常接近，而且收敛速度也非常快速，证明该模型具有较强的可行性。综上所述，本文对基于模糊神经网络的数控机床的故障诊断模型进行研究，该模型的建立对于快速诊断数控机床的常见故障、减少数控机床故障停机时间、保持机床稳定加工能力、保证数控机床圆满完成生产任务具有重要的意义。