机械加工机床在运转过程中都会产生噪声。把噪声作为信号,具有获取容易,对加工过程没有任何影响的优点,是监测加工过程的理想信号。但如何获取机床加工过程声音信号的特征以进行机床类型、状态及其加工参数的识别是啻待解决的问题。本文在分析了国内外有关声音信号识别研究的基础上,首次综合应用声音信号频域分析、小波包分析及BP神经网络对典型机床类型、状态及其加工参数进行识别。本文的主要研究内容和取得的成果如下:1.对刨床、车床、钻床及铣床等四类机床空转状态和加工状态的声音信号进行了时域、频域和时频域分析,提取了频域分析中功率谱最大峰所对应的频率和时频域分析中信号低频段与高频段的能量比作为神经网络识别机床类型以及空转、加工状态的两个特征量。2.把以上所提取的两个机床声音信号特征量作为BP神经网络的输入量,设计神经网络结构,通过变换隐含层节点数来优化神经网络,并使机床加工类型及空转、加工状态识别正确率达到95%以上。3.在以上识别基础上,对加工状态钻床的声音信号进行小波包分析,以一定分解层次下的多频段能量为特征输入下一级BP神经网络,使其加工参数中的主轴转速识别正确率也达到95%以上。4.利用VC++和Matlab混合编程技术,开发了基于声音信号的机床类型、状态及其加工参数识别系统。