随着制造业自动化程度的不断提高，带来许多制造中存在的需解决的新问题，其中包括刀具磨损、破损。在早期的机械加工中，全凭操作人员观察刀具，更换刀具，但在现代化、连续自动化生产系统中，刀具的破损不仅会导致机床的功能失效，还会构成整个系统的故障。因此，预测刀具的磨损和破损的产生，显得十分紧迫。 本文建立了成形铣刀状态分析的神经网络模型。首先对铣刀状态进行了分类，描述了各种状态的特征，并对影响因素进行了详细的分析。其次，针对成形铣刀常见的典型的四类状态，选取了与刀具状态密切相关的特征物理量作为神经网络的学习样本，即声发射信号、切削力信号、功率信号等。 神经网络良好的非线性逼近能力、泛化功能可对铣刀磨损状态进行分析。神经网络通过一系列学习样本的训练来使其具有诊断功能。本文建立了神经网络模型，并对模型的建立进行了充分的分析。由于神经网络结构的可拓展性，此模型可用于其它铣刀状态的分析。借助于MATLAB神经网络工具箱对训练好的网络进行仿真，得出各种敏感特征参数对成形铣刀状态影响的仿真曲线。 通过该项目的研究，提供用于成形铣刀状态分析的模型，证明利用神经网络模型对成形铣刀状态的诊断是完全可行的。由于神经网络结构的可拓展性，对其它刀具状态的诊断也成为可能，研究证明该模型能有效地提高加工质量及效率。