随着轻工业生产自动化程度的不断提高,数控切绘机的应用也越来越得到推广,特别是在服装、鞋帽、箱包、制革、玻璃雕花等行业,数控切绘机的应用极大地提高了企业的生产效率。但是当切绘机出现故障时,一般技术人员不能准确地分析判断出故障原因,需要厂方专业技术人员现场服务,这样会影响生产,因此建立数控切绘机故障诊断系统具有很大的实用价值。本文首先分析了国内外远程故障诊断技术的发展现状,介绍了现有的各种诊断方法。根据远程故障诊断系统的特点,建立了诊断的网络框架模型,并且对C/S(客户/服务器)模型和B/S(浏览器/服务器)模型进行详细分析和比较,确立了系统的网络模型。然后介绍了模糊控制和神经网络理论,由于模糊控制理论和神经网络各有所长,将他们结合起来组成了模糊神经网络(Fuzzy Neural Network—FNN)。基于FNN的故障诊断技术将充分体现神经网络和模糊控制理论的优点,是一个非常具有前景的研究方向,并且其应用领域也越来越广泛。最后介绍了数控切绘机的结构特点和工作原理,分析了数控切绘机的一些常见的故障以及解决方法。根据切绘机的故障特点,将反映故障的特征信号进行模糊化处理,使之能更好的反映故障随机性和不确定性,利用神经网络学习算法获取知识。所采用的改进的BP学习算法,在误差的反向传播中,不仅仅对网络权值进行修整,对模糊算子中的补偿参数也同样进行了修正。使陷入局部极小点机会更少,函数逼近精度更高,网络映射能力更强。通过仿真实验,证明了模糊神经网络故障诊断的可行性。