電火花加工數據庫是數控電火花加工機床專家系統中的一部分，其專家系統的實質是把有關的電火花加工工藝知識有效地結合到程序設計中，使系統具備專家的求解能力，這是在電火花加工工藝設計中應用最多且較為成熟的技術。具體到電火花加工數據庫一般分為四部分，介紹如下。
（1）基礎加工規準數據庫 是指數控機床生產廠家提供的標準加工規準數據，體現了機床生產廠家積累的工藝知識和經驗，極大地方便了用戶使用。但是這些規準只是通常情況下普遍適用的典型情況，不可能滿足用戶所有的加工要求。而且這些加工規準中不包括面積、深度和形狀因素。
（2）用戶自定義加工規準數據庫 是指使用電火花加工機床的工程技術人員或機床操作者，根據生產中積累的工藝經驗記錄，具有很強的針對性和實用性，對熟練的操作者來說發揮了特長，有利于工藝數據庫的不斷完善和豐富，體現了操作者的自身價值和成果。
（3）動態加工規準數據庫 是指FNN參數調整自學習模塊調整得到的新加工規準和由FGA電參數自學習模塊推理得出的新加工規準，體現了智能學習的結果，是對基礎加工規準數據庫的補充，并以此作為下次加工的原始依據，動態加工規準數據庫更適合用戶的具體要求。動態加工規準數據庫中的內容將不斷充實和完善。經過一段時間使用之后，動態工藝數據庫的內容因不同的用戶，不同的產品和不同的加工對象會有差異，而這種差異恰恰是系統新的智能所在，更體現其良好的適應性和優化程度。
1）FGA電參數優化模塊 采用模糊遺傳算法（Fuzzy Genetic Algorithm）、模仿熟練操作者的決策過程。它利用遺傳算法的學習能力，從工藝數據加工實例中抽取反映電參數和加工結果之間關系的模糊產生規則，再利用模糊推理，針對新的加工要求提供合適的電參數，實現了電參數的優化，既可充實工藝數據表，又能減少加工結果不滿意時對電參數的調整量。
2）FNN參數調整自學習模塊 利用模糊的神經網絡技術（FuzzyNeural Network），基于熟練操作者進行加工調整的實例，映射出加工參數調整中的非線性關系，并將其分布在網絡的互連及權值上。為了使工藝與決策模塊方便地利用它的學習結果，將調整后得到的新加工規準，保存在動態工藝數據庫中，這樣在以后類似的加工中，可直接調用動態工藝數據庫中的加工規準。
（4）加工實例庫 是指積累的電火花加工和調整成功的實例，以統一的形式來表示。這些實例將作為學習模塊的學習樣本，最終實現個人知識和經驗的共享。
其他還有過程動態仿真模塊，在計算機屏幕上用二維或三維圖形動態模擬數控加工的全過程，包括顯示電極運動軌跡和走向，根據加工參數，對加工狀況、加工精度、加工時間等進行仿真等，當發現錯誤或不足時，能自動地對某些錯誤進行診斷、處理和修改，以進一步提高系統的智能化水平。
總之，電火花加工工藝數據充分利用不同的智能技術和推理算法，來提高電火花加工工藝設計的決策水平，并通過學習機制，以可再利用的形式，從加工實例中獲取熟練操作者的經驗知識，以彌補生產實踐知識的不足，通過不斷的實踐、不斷的學習與完善，會使工藝數據庫不斷提高解決問題的能力和加工適應能力。
