刀具在机械加工生产的过程中会出现磨损，如果不及时停机对刀具进行检测或更换会导致加工生产的间断，造成工件报废甚至会损坏加工机床或使整个柔性制造系统都不能工作，造成巨大的经济损失，因此对刀具工作状态在线监测和诊断至关重要。本论文基于经验模态分析（EMD）和膜计算（P system）的方法给出了一种新的刀具故障监测诊断的方法，对刀具的加工状态进行监测判断。首先经过对比分析确定选取切削力信号作为研究对象，采用Kistler公司研制的一套切削力测量装备，来进行切削力信号的采集，取得大量的实验数据。然后，基于经验模态分解方法，利用内禀模态函数（IMF），对筛选得到的每个IMF分量进行希尔伯特变换，将其能量值作为特征向量。最后，在基于膜计算等研究的基础之上，分别对膜的层次结构、表示对象、多重集和进化规则进行了研究，构建了一种新的自适应尖峰神经膜系统（ASN P system），基于此系统，建立了对切削力信号的刀具故障诊断模型，通过仿真测试，该模型具有较好的效果。本论文根据膜计算理论，立足于实用性，探讨其计算模型的建立，构建适合的P系统识别模型，对采集的信号处理分析，从而诊断刀具的状态。