重载切削、硬态切削等加工方式的应用日趋广泛,促进了制造业的减耗增效。但随之而来的恶劣工况也让刀具失效的风险大为增加,使刀具状态监控成为重要的议题。切削温度与加工过程中发生的变形、挤压、摩擦紧密相关,不仅直观地反映了刀具承受的载荷,还包含着许多揭示切削状态的信息。本文依靠一种光纤比色测温装置,利用其良好的响应性与传输稳定性,提出了一种基于切削温度的刀具状态监控方法,该方法包括以下两部分:其一,尽可能准确地还原刀具承受的最高温度,为操作者提供直观的参考。对此,本文针对测温探头无法抵近热源的问题,利用有限元仿真研究了刀具温度分布,评估了测量温度与刀具最高温度之间的差异。为确保该有限元模型的可靠性,还将热电偶阵列测温实验作为仿真结果的对照,对接触面换热系数、对流换热系数等参数进行了校准。然后,基于温度测量值与最高值间的映射规律,探讨了加工过程中测量补偿的实施。其二,挖掘温度信号中与磨损有关的特征,对不良切削状态及时作出预警。对此,本文首先结合了瞬态温度仿真与断续切削实验,以此说明该测温装置对快速波动的温度响应性良好。进而测试了刀具磨损对频域温度的影响,讨论了特征的提取,并设计了一种四层前馈神经网络对磨损刀具进行鉴别。还引入了一种学习率自适应算法,对神经网络的训练过程进行了优化,降低了其对超参数和初始值的依赖性,使操作人员能针对特定的需求训练定制化磨损模型。在变切削参数的刀具状态鉴别实验中,该方法取得了不低于90%的分类准确率;而在刀具全寿命状态监控实验中,神经网络的输出与作为对照的振动信号基本同步变化,说明了该方法的可行性。最后,本文介绍了一套切削状态可视化软件,将这两部分统一起来。该软件集成了多通道测量、动态波形显示、刀具状态预警等功能,支持历史记录查阅及磨损模型训练。其在车轮镟修加工场景中的应用,向业界展示了一种刀具状态监控的新思路。