进入21世纪,数控技术发展日新月异,交流伺服驱动系统的组成结构变得越发复杂,其运行工作中出现故障是无法避免的,但最终用户往往缺乏相关的专业知识,导致无法及时、准确地做出故障诊断。传统的故障诊断方法,例如故障树诊断方法,如果诊断对象较复杂,导致建立故障树困难;数学建模分析故障诊断法对于非线性复杂系统基本束手无策;模式识别故障诊断法必须预先积累大量的故障诊断知识。针对这些传统方法难以对交流伺服驱动系统这样一种非线性复杂系统进行全面的故障诊断这一问题,本文利用专家故障诊断系统、模糊推理和基于Levenberg-Marquardt BP(简称LM-BP)优化算法的人工神经网络方法,三种人工智能技术相融合并结合贝加莱交流伺服驱动系统故障诊断的实际情况,对贝加莱交流伺服驱动系统的故障诊断系统的构建及其实现技术进行研究。三种方法相互融合、取长补短,发挥各自特点。模糊推理克服了由于过程本身的不确定性、非精确性以及噪声所带来的干扰。利用隶属度来描述故障与征兆由于模糊性引起的不确定关系。专家故障诊断系统使用专家规则,推导过程易被正确理解,而人工神经网络在故障诊断的决策判断上相较于专家故障诊断系统更有优势,二者互补、各施所长。