数控机床加工过程的监测对保证工件质量和机床安全有着很高的现实意义。传统的基于力信号和振动信号监测方法有其局限性,近年来基于驱动电机电流信号的间接监测方法受到关注并取得了一定成效。但在机床切削负载较小条件下,传统的特征提取等处理方法无法很好地区分机床电流信号中噪音波动和加工状态变化带来的波动,并且切削负载较小时,仅选择主轴电流也不足以表征机床加工状态变化。如何选择合适的驱动电机电流也成为一大难题,不仅需要专业的机床加工经验和信号处理知识,还需要繁琐的人工处理。基于电流信号的机床加工状态分类模型以深度残差网络为核心,引入注意力机制筛选合适驱动电机,引入阈值函数对电流信号进行自动去噪,构造了一个端到端的状态分类器。该分类器能够自动提取特征,避免了人工定义和提取特征对机床加工经验和信号处理专业知识的依赖。考虑到切削力对机床加工质量的重要意义,基于电流信号的切削力估计模型分别采用回归方法和Transformer模型发掘驱动电机电流和切削力的关系,对分类器识别结果为正常加工状态的电流信号估计对应的切削力。回归方法首先对电流信号进行时域特征提取,然后采用线性的岭回归模型建立提取特征和切削力之间的估计模型。Transformer模型将连续的电流信号作为一个序列,充分利用电流信号随加工过程变化在时序上呈现的特征,实现电流序列到切削力序列的估算任务。基于C#和AnyCAD开发的机床加工监测软件实现了加工状态分类模型和切削力估算模型,具有数据采集、状态监测以及仿真显示等功能。基于实际数控机床加工过程中采集的数据进行了大量的实验。实验结果表明,状态分类模型在不同切削参数下均有不错表现,加工状态识别的平均准确率达到了97.58%。同时,基于Transformer的切削力估算模型计算值与真实值也比较吻合,平均绝对误差最低为0.1531。