近年来，信息融合作为一门新型学科广泛应用到很多领域，在数控机床故障诊断中，多传感器故障诊断融合系统模型，有利于提高故障诊断的精度和准确度，本文在对数控机床本体的结构功能、故障机理和故障诊断理论方法深入分析的基础上，首先，通过小波变换实现信号的除噪和故障特征向量的提取，构造数控故障信号的特征向量，进而为信息融合故障诊断的学习奠定基础。论文中将神经网络的结构和学习算法应用于故障诊断中。提出并建立一种新的信息融合故障诊断模型，将模糊技术融合到神经网络中。在此基础上，为了提高网络的性能和速度，提出了一种模糊神经网络结构，而且构建了相应的故障诊断融合模型框架，最终达到提高诊断精度的目的。本文将小波分析引入到对信号进行模式识别与故障诊断的人工神经网络中，将小波变换的多尺度特性引入神经网络，利用小波函数替换人工神经元中的激励函数，使小波神经网络不仅具有小波的多分辨率特性而且保留了神经网络自学习与模式识别能力。通过对数控故障信号的仿真实验，结果表明诊断精度高，从而验证了该方法的有效性和可行性。