刀具是工件切削加工过程中的消耗品，磨损和破损现象是其故障的主要表现形式。尤其是铣刀，加工方式特殊，过程复杂，一旦发生故障，不易检测。这不仅直接导致工件精度下降，而且引起生产成本增加。所以开展针对数控机床铣刀在线故障监测系统及方法的研究存在着必要性。基于此，本文进行了以下研究工作：　　1构建了铣削过程刀具磨损监测试验系统。通过振动传感器，声发射传感器以及电流传感器对铣削过程中不同磨损程度刀具的信号进行检测和采集，对所得信号进行了相应谱分析。发现了信号中存在着与刀具磨损变化相应的特征值，证明了时域、频域及小波分析中的某些信号在进行铣刀磨损状态监测的可行性，这同时也为后续的研究工作奠定了基础。　　2在对振动信号、声发射信号以及电流信号进行时域分析、频域分析和小波分析的基础上，选取合适的指标(能量信号，小波信号，幅值信号等)作为刀具磨损的特征量，实现对不同磨损状态下的刀具进行跟踪，为下一步的建模做好准备。　　3采用BP神经网络算法，以matlab为平台，建立刀具磨损特征向量与刀具磨损状态之间的非线性映射关系，从而实现对刀具状态监测系统的建模与仿真。　　本文通过一系列实验，最终表明用振动，声发射，电流信号通过信息融合的方式对铣刀进行磨损状态监测的方法是可行的，基本上实现了铣刀在线监测的功能，达到了预期的效果。