在数控加工过程中会产生海量数据,如数控系统电控数据、工艺任务数据、切削响应数据等,其中包含大量冗余、瞬态的无效信息,使得适用于智能应用模型的样本数据难以获取,进而导致智能应用模型难以建立、所建立的模型应用效果不佳等问题。提取与应用样本数据的难点一方面是数控加工中工况信息与响应信息自动标定困难;另一方面在于缺乏有效样本提取算法以及合适的有效样本存储方式。针对上述问题,本文首先研究了铣削加工工艺数据的标记技术,然后实现从标记数据中提取有效样本数据,最后根据样本数据的存储需求,开发样本数据管理系统。具体内容如下:1)基于指令域的加工工艺数据标记技术。针对加工工艺数据与响应数据自动标记的困难,以数控系统内部指令数据为桥梁,利用多项技术实现加工工艺数据与数控系统内部响应数据、外部响应数据的自动标记,获得对应的“工况-响应”描述。2)基于朴素贝叶斯的有效样本提取算法。针对有效样本提取算法缺乏的现状,根据指令域中“工况-响应”的映射关系,提出了基于朴素贝叶斯的有效样本提取算法,去除大量的无效信息,并提取适用于智能应用模型的有效样本。3)铣削样本数据管理系统的设计与开发。针对本地端存储空间的限制及样本数据应用建模的需求,以样本数据为中心设计样本数据库的整体存储结构,并提出有效样本的评价和推荐方法,最后开发了样本数据管理系统,集成于华中9型智能数控系统。通过有效样本的提取与验证实验,证明了本文实现的有效样本提取算法可以从加工数据中提取出有效数据,且高质量的样本数据能应用于智能算法建模并取得较好的效果。