数控机床精度高、经济性能好,在生产领域得到了越来越广泛的应用,本文针对数控机床故障难发现、难处理的问题,研制了数控机床故障监测与诊断系统,实时采集各种传感器信息,进行故障的监测,系统具有标准化、总线化和网络化等特点；研究了基于小波包分解提取特征能量的方法,对振动和噪声信号进行故障特征的提取；开发了故障诊断专家系统软件进行故障的推理与诊断。具体工作如下：(1)阅读文献了解数控机床的故障机理,了解信号状态监测、信号处理和特征提取以及故障诊断的研究现状与发展趋势。(2)开发了硬件电路板,研制了温度采集单元和基于ARM9处理器的嵌入式故障监测单元,编写了嵌入式故障监测单元与温度采集单元的应用软件。(3)采用小波包能量法对采集来的振动和噪声数据进行多层分解,提取信号的故障特征,作为神经网络的输入,为故障识别提供判据；将基本BP神经网络加入动量项和学习率,弱化了神经网络易陷入局部收敛点和收敛速度慢的问题,实验中成功识别出录取的正常和异常噪声。(4)将小波包算法和神经网络算法与专家系统基于知识库的故障树建模与正反推理的原理相结合。在自己搭建的模拟平台上,通过对M轴爬行故障的交互式诊断和对实时传感器数据的在线诊断,验证了依据故障树建模推理与小波神经网络进行数控机床故障诊断的方法具有可行性。最后,对本文所做的工作以及获得的成果经验进行了简单总结,并且分析了本文的不足之处以及有待进一步解决的问题。