超高强度钢属于难加工材料，因其具有良好的机械性能，广泛应用于航空航天、汽车和模具等领域。对难加工材料进行高速铣削加工有助于提高切削效率和改善加工表面质量，是当前研究的热点。论文采用金属陶瓷刀具对超高强度钢32Cr3NiMoVA进行高速铣削试验，研究了切削参数对铣削力和刀具磨损的影响，揭示了金属陶瓷刀具的磨损形貌和磨损机理，建立铣削力预测模型和刀具磨损状态监测模型，为超高强度钢高速铣削加工工艺制订提供理论依据。论文主要研究内容如下：(1)研究了高速铣削切削参数和刀具磨损对铣削力的影响规律，并且通过回归分析的方法，建立了铣削力预测模型。结果表明：随着切削速度的增大，铣削力呈下降趋势，随着进给量和切削深度的增大，铣削力也随之增大，随着刀具磨损的增加，铣削力呈增大趋势。(2)在较宽的切削速度范围内研究了高速铣削切削参数对刀具磨损的影响规律，分析了刀具的磨损形貌和磨损机理。实验表明：以切削一个工件长度作为标准，随着切削速度以及切削深度的增大，刀具的磨损都呈增大趋势，随着进给量的增大，刀具的磨损呈减小趋势。刀具的磨损形貌主要有前刀面月牙洼磨损、后刀面带状磨损和微裂纹；刀具磨损机理是在刀具的前刀面和后刀面都有磨粒磨损、粘结磨损、氧化磨损和扩散磨损。(3)通过声发射传感技术采集刀具磨损的声发射信号，利用小波包分析对声发射信号进行小波包分解，提取分解后每个频段的能量，计算频段能量占总能量的百分比，最后将与刀具磨损敏感的频段能量作为特征向量输入到神经网络中进行学习，对刀具磨损状态进行识别。研究结果表明：采用声发射传感器技术联合小波包分析和神经网络刀具磨损识别技术可以很好的监测刀具的磨损状态。