深孔加工是机械加工中难度大、故障率较高的工序之一。钻头磨损将会影响深孔的表面精度和粗糙度,甚至会起工件报废和机床停机等故障。目前通常采用定时换刀策略控制刀具磨损,但是由于刀具寿命离散性大,定时换刀将导致刀具有效加工能力的损失,增加了设备辅助停机时间。因此在线、实时地检测刀具状态对加深孔工过程的自动化和智能化具有重要实际工程意义。　　本文以BTA深孔钻削系统为研究对象,在深入分析了刀具磨损产生机理及刀具磨损对钻削过程刀杆振动特性影响的基础上,建立了基于钻杆扭转振动信号的BTA深孔钻削刀具磨损监测方案。以DSP为核心结合虚拟仪器LABVIEW构建了深孔钻削刀具状态监测实验系统,实现了钻杆扭转振动信号的准确可靠采集。通过对信号发生器产生的标准信号进行测试,表明该系统具有较高的数据采集精度、较好的可靠性及实时性,可够满足BTA深孔钻削刀具磨损状态的实时监测。　　根据钻杆扭转振动信号具有非平稳性的特点,提出采用具有自适应能力的经验模态分解(Empirical Mode Decomposition,简称EMD)对采集到的数据进行处理。对EMD分解过程存在的端点效应问题,给出了一种基于最优相识度的对称沿拓法进衍抑制,通过对测试信号的仿真分析表明该方法对抑制EMD分解的端点效应有较好的效果。在此基础上,运用EMD方法分析了钻杆扭转振动信号的时频域特性,研究了原始信号和EMD分解前六层IMF分量统计特征参量与无量纲指标随刀具磨损的演化规律,提取了大量与刀具磨损相关的特征参数。　　针对特征参数存在相似冗余的问题,采用Wrapper(封装式)和Filter(过滤式)相结合的方法对特征变量进行筛选。建立了基于最小二乘支持向量机(LSSVM)的特征变量与刀具磨损之间相关性的计算方法,采用t检验获得了特征变量之间相似性评价指标。实现了特征参数和刀具磨损之间相关性以及特征参数之间相似性的量化计算,最终从大量特征参数中筛选出了IMF1的峰值指标c和平均值舅以及IMF3的方差仃2三个最优的刀具磨损状态监测特征。建立了基于LSSVM的刀具磨损状态识别模型,实验结果表明该模型在小样本条件下能够实现钻削过程中刀具磨损状态的准确可靠识别。