为有效地评估机床的健康状态,制定合理的维护与维修策略,提出一种基于概率神经网络的健康评估方法。采集不同加工状态下的主轴振动信号,进行特征提取与归一化处理,获取特征向量;基于PNN识别当前的加工状态,并将特征向量与该加工状态下的训练样本进行基于高斯核函数的相似度计算,评估机床的健康状态。验证实验表明:该方法能够有效地识别机床加工状态与健康状态。同时,引入Kafka与Storm技术,验证该方法对机床实时健康评估的可行性。