本文建立了数控平面磨床磨削状态智能监测的贝叶斯网络模型,结合国家“高档数控机床与基础制造装备”科技重大专项(No.2009ZX04001-131)项目的科研任务,分析了贝叶斯网络方法研究不确定性问题所具有的优势,设计并实现了以数控平面磨床工件质量、砂轮接触和钝化为研究对象的智能监测系统。同时,还完成了数控平面磨床磨削状态智能监测软件。为了实现平面磨削状态智能监测,首先阐述了智能监测系统的研究意义,详细介绍了磨削状态智能监测的研究现状,分析了当前智能监测采用的主要方法及其优缺点,提出采用贝叶斯网络方法进行磨削监测。然后介绍了贝叶斯网络的相关理论,包括网络构建步骤、网络推理的变量消元算法和团树传播算法,及网络的参数学习。此外,讨论了磨削声发射产生的原理、来源和影响因素,并介绍了本文所用的声发射采集系统的硬件设计,并基于Matlab实现了对平面磨削声发射信号的预处理、时域分析及频谱分析。本文以建立平面磨削状态智能监测系统为核心内容,在阐述了贝叶斯网络实现平面磨削智能监测的优势的基础上,以数控平面磨床的工件表面质量、砂轮钝化和接触状态识别为对象来建立贝叶斯网络,并重点论述了建立模型、模型推理和参数学习的过程。然后对实现平面磨削监测的软件进行功能需求分析,介绍了整个监测系统的程序结构,基于VC++设计了网络构建、推理、学习等功能模块和图形界面。最后通过实验来建立平面磨削监测网络的样本数据库,对其进行网络学习得到各个节点的后验条件概率表,并取得节点最大概率的状态,通过后续实验证明了模型的推理精确度较高,贝叶斯网络方法适宜于数控平面磨床的磨削状态监测。本文为贝叶斯网络方法应用于数控机床的加工状态智能监测提供了参考。