本文对刀具状态声发射信号监控策略有关的理论和方法进行了探索，围绕刀具磨损和破损的检测及识别问题，进行了切削试验研究。在此基础上，运用信号处理技术，针对刀具磨损和破损时的声发射信号进行了特征提取和在线识别的探索。本文的主要研究工作有：（1）刀具磨损和破损切削试验研究。设计和建立了刀具状态声发射信号的检测系统，该系统采用高时域分辨率的数字示波器、宽带声发射传感器。在此基础上，进行了刀具磨损和破损试验，采集了大量的刀具正常磨损和破损时的声发射信号。（2）信号特征的分析和提取。经过对切削试验数据的分析和处理，进一步探明了切削用量和刀具后刀面磨损与声发射信号的关系。AE信号的能量随刀具后刀面磨损量的增加而增加，同时，也随着切削用量的增加而增加，另外，刀具后刀面的磨损引起AE信号在10K赫兹处的能量密度增加。（3）状态识别策略的研究。探索了用BP神经网络进行刀具状态识别的方法，并基于声发射信号特征值和切削参数实现了变切削工况的刀具状态ANN识别，识别正确率达到81％。