数控机床是制造业的基础设施,很多领域都离不开数控机床。随着市场不断扩大,数控机床不断朝着多样化、复杂化、精密化等方向发展,其可靠性是检验机床质量的一个重要标准。要对已有的历史故障数据分析并总结,才能更好的找出问题所在,进而提高数控机床的可靠性。本文针对某系列数控机床的故障数据进行研究,并结合Gutenberg-Richter（G-R）曲线的活动性参数、模糊信息理论进行故障等级预测。首先将收集到的某系列数控机床近20年的故障数据信息,通过筛选、整理出一个完整的数据表格。根据数控机床的结构特性和功能将整机划分成12个子系统,进行故障模式分析,并计算各个子系统的危害度,危害度中的β采用由不同的群体决策来取值并赋予不同的权值,得出最终的β值,求出危害度。根据各子系统的危害度大小,并加入停机故障时间因素,划分出故障等级。将地震中震级-频度曲线（G-R曲线）模型应用于数控机床可靠性分析中,将故障数据分成七个阶段,利用此模型分别对不同阶段的故障数据进行曲线拟合。每个阶段的模型都有一个活动性参数a值和b值,将各个阶段的活动性参数用图形表示并分析,结果表明:b值可以反映故障等级较大的故障次数与等级较小的故障次数比值,参数a可以反映机床故障的整体活动水平。由于系统故障之间具有相关性和模糊性,采用适应性较强、学习能力较好的模糊神经网络较为合适,它可以很方便地调整参数,能够通过较少的条件来表达较复杂、高维度的非线性系统。采用模糊推理的方式可以将故障等级和b值、N值的关系联系起来。将预测的故障等级与原等级进行误差分析,误差不大说明该模型具有良好的预测能力。