制造业自动化水平的提高对数控机床的自我诊断能力提出了新的要求,而立铣刀是切削加工中重要的刀具之一,其磨损不仅会对加工工件的尺寸精度和质量造成影响,而且会导致机床产生振动冲击即对机床加工精度造成影响,进而会间接影响到实际的加工效率以及生产成本。因此,铣刀磨损信号的检测变得越来越重要,目前已成为国内外学者研究的热点问题之一。本文对立铣刀的磨损信号检测进行研究,通过采集立铣刀切削时的加速度信号后,对其时域、频域等信号进行特征值提取,建立了基于遗传算法(GA)和粒子群算法(PSO)的自适应随机共振模型,并将其应用在铣刀的磨损信号检测上。论文的主要研究内容如下:首先,从理论角度分析了立铣刀磨损信号检测方法的发展过程以及自适应随机共振的发展应用,简单介绍随机共振(SR)的模型,接着介绍了两类自适应随机共振算法,针对传统的SR方法以系统的参数和噪声强度的匹配为研究背景的局限性,将双稳态系统的参数进行优化,从而提高信噪比,达到最佳SR状态;其次给出了本文所采用的适应度函数为输出信噪比,为之后基于GA和PSO的参数优化进行铺垫;接着对立铣刀切削时的加速度信号进行特征值提取,分析其立铣刀不同时期的功率谱以及频谱特征;之后将GA和PSO运用于自适应随机共振,实现系统结构参数的优化,并对其输出信号以及输出信噪比进行了仿真实验。通过对立铣刀实测故障信号进行实验验证,两种算法均能检测出主轴转动频率以及刀齿经过频率,表明该算法能有效地完成立铣刀故障信号诊断;最后将GA与PSO进行对比,分析这两种算法各自的优点与不足。实验结果表明,本文提出的基于GA或PSO的自适应随机共振能有效的检测立铣刀磨损信号,为实现立铣刀磨损信号的检测开拓更广阔的应用前景。