随着制造业智能化发展不断深入，机械加工过程中智能监测及故障诊断是提高生产效率和产品质量重要手段。本文提出一种基于人工智能机械加工过程智能监测及故障诊断方法，实现对加工过程进行在线监测、异常发现以及故障预测。系统使用多传感器融合技术，结合振动传感器、声发射传感器、温度传感器以及电流传感器等不同类型的传感器，获取机械加工过程中各种信息。利用深度学习方法建立故障诊断模型，使用卷积神经网络（CNN）和长短期记忆网络（LSTM）结合混合神经网络结构，对所采集时序数据进行特征提取和模式识别。建立一个包括正常状态、刀具磨损、主轴不平衡、轴承故障等不同工况样本库，训练出一个具有良好性能故障分类器。系统采用边缘计算技术，在设备侧完成数据预处理和初步诊断工作，降低数据传输延迟，加快系统反应速度。实验结果显示，该系统对于各种常见故障模式诊断准确率为 96.8%，故障检测时间仅为几秒内，可以有效防止由于设备故障造成生产中断以及产品质量问题发生。本课题对于智能制造中设备健康管理起到一定作用，有良好应用前景。