随着高档数控机床在制造业中的广泛使用，加工的效率和质量得以大大提升。在加工过程中，刀具是直接执行切削任务的关键部件，当刀具磨损时就会导致加工精度的下降。在刀具严重磨损时则会导致工件质量降低和加工成本的提高，如不及时更换刀具就会造成更大的损失。相关研究表明在加工过程中由于刀具失效引起的故障占据了大部分故障时间，而带有刀具监控系统的数控加工中心停机时间大大缩减，仅有不到原来的一半时间，使用效率大为提高。因此对刀具磨损状态在线监测对于提升工件质量，降低成本，提高效率意义重大。针对此类问题，本文主要进行了以下工作:　　首先，对刀具的磨损机理和刀具磨损监测方法及几种常用的信号处理方法予以介绍。设计了在不同切削参数下的试验，并得到了在不同磨损阶段的信号信息，然后对电流信号和振动信号作相关方法分析后，提取出和刀具磨损相互联系的有效特征量。其次，对BP神经网络作以介绍，在此基础上建立了刀具的故障诊断方案，设计了BP神经网络，利用实验数据建立起特征值和磨损状态的对应关系，用试验所提取的故障信号特征量对网络进行训练，搭建出适合本文神经网络。根据刀具监测系统的功能要求，选择了以ARM9S3C2410处理器为核心来设计监测系统，并设计了相关信号采集电路和其它功能模块，基本可以保证系统的功能要求。最后对于软件平台的设计，确立并使用Qt对系统采集界面设计，搭建出了相应的软件平台。