切削过程的能效在线识别是高能效切削的重要课题之一。如何在线判断切削状态是否处于高能效状态是本文的研究目标。本文针对切削过程能效状态识别问题,对加工系统监测信号中表征能效状态的特征及其提取算法进行了探索。本文从铣削力的角度入手,提取铣削力信号中与能效状态相关的信息,探索铣削加工过程中能效状态属性及变化规律,为铣削加工系统的能效状态在线监测提供理论依据和技术解决方案。本文设计了机床空载及负载条件下的能效状态识别系统。根据经验模型对空载及铣削过程的能效状态进行分类。由于铣削力信号是一种混叠多源状态的信号,本文基于集合经验模态分解、主成分分析和独立分量分析提出一种用于分离提取铣削力信号中能效状态特征分量的算法。该算法首先利用集合经验模态分解将经过预处理的单通道铣削力信号分离成多组分量,目的是对混叠信号进行解耦。然后用主成分分析去除各分量间的相关性,提取与源信号相关的主要分量,对数据进行降维,以加快算法迭代速率及后续信号分离的效率。对降维后的分离用快速独立分量分析进行处理,分离出组成多组分量的对应的相互独立的源信号。通过分析铣削力分离源信号的时频特征,提取表征能效状态的特征分量,发现在高能效状态下铣削力信号分离的源信号分量中主轴倍频分量占比相较于低能效状态下的更高,且铣削力信号分离出的源信号三四阶分量主频为主轴倍频出现的阶次也越高。试验研究表明基于EEMD-PCA-ICA识别算法能够分离铣削力信号中表征能效状态的分量,通过分析能效状态分量的出现位置及主元占比识别铣削过程的能效状态,为铣削过程能效状态识别提供评估依据。