随着PCBN刀具的出现,硬态车削技术在难加工材料中被应用的越来越广泛。而把超声振动车削和普通硬车削相结合的加工技术也已成为各国学者研究硬车削的新方法。一方面,刀具磨损影响工件的加工表面质量和尺寸精度,严重时甚至会危及机床、工件和人员的安全。另一方面,刀具磨损所造成的切削力、能量损耗对于超声系统的声学性能也有着较大但机理不明确的影响。因此,对超声硬态切削刀具磨损机理以及刀具磨损状态进行智能监测技术的研究就显得尤为重要。　　首先,本文进行了声学系统的设计与性能测试。从理论设计、模态分析两方面完成弯曲振动刀杆的设计;静态相似性地设计试验,定性分析刀具磨损对于声学系统稳定性的影响。　　继而综合Kistler9257B测力仪、INV306DF东方测振系统、日本基恩士高速显微摄影系统等,建立多信号刀具磨损智能监测试验平台。针对PCBN车刀超声硬切削GCr15淬硬轴承钢设计试验,对刀具磨损机理进行分析,获得了超声切削条件下,刀具磨损的特殊表征,切削条件对于刀具磨损的影响规律。　　从传感器获取的信号信息不能直接用来识别刀具的磨损状态,本文对试验过程中不同加工时间段提取的各种信号进行了分析与处理。利用 Hough变换对加工表面纹理特征进行分析,利用小波变换对切削力信号和振动信号进行分析,获得了刀具不同磨损状态下的特征信息。在此基础上分别利用模糊识别、RBF神经网络和BP神经网络建立了车刀磨损智能监测模型,并通过实例验证模型的可靠性和有效性。