在加工过程中,刀具磨损会影响工件的加工表面质量和尺寸精度。因此,对刀具磨损进行较准确的监测与界定是目前国内外自动化加工中一个亟待解决的课题。刀具磨损是一个十分复杂的过程,切削中的各种因素都对刀具的磨损产生直接或间接的作用,产生不确定性,致使刀具切削实验数据和结果难以具有好的稳定性。深入的研究表明,刀具磨损具有非线性、随机性和耗散性。刀具状态监测与诊断面临着大量的非平稳信号,研究开发处理非平稳信号的工程实用方法是促进刀具故障诊断技术不断发展的需要。振动分析是进行刀具状态监测与故障诊断的重要手段。本文旨在研究刀具的振动信号处理和模式识别的方法。为此,首先设计并搭建了刀具磨损监测实验平台,进行了大量的实验;采集到刀具不同磨损程度的振动信号;对振动信号进行小波降噪预处理,运用分形识别法定量地诊断出磨损程度。针对刀具振动信号的非平稳特性进行分析,引入了基于小波分解和重构的去噪方法,在比较了不同小波基函数、小波阈值规则对去噪效果的影响后,针对本文的实验数据,采用db4基小波和默认阈值规则去噪效果最好。本文从工程应用角度介绍了离散时间序列盒维数和信息维数的计算方法,研究了噪声对盒维数计算的影响;阐述了关联维数分析方法(G-P算法),并给出了该算法中各参数的选取原则。分别采用互信息法和Cao方法确定时延量和最小嵌入维数,避免了参数选取的盲目性,保证了关联维数计算结果的准确性。通过sin信号、Lorenz信号、FBM信号仿真验证算法的正确性后,将分形应用在刀具状态监测中。随着刀具磨损量的增加,刀具与工件之间的磨损加剧,振动信号的波形变化越来越不规则,信号的分形维数逐渐增大。盒维数和信息维数变化较小,但变化趋势明显;关联维数的变化相对较大,新刀的关联维数最小,报废刀的关联维数明显增大。实验结果表明,刀具在整个磨损历程中振动信号分形维数的变化规律,其大小能较好地反映刀具不同磨损状态,运用振动信号的分形维数可以有效实现刀具磨损状态的监测。仿真和实际应用表明,分形识别法以一种简单明了的方式来描述振动信号的正常与异常,可定量地识别刀具的磨损状态,且比传统的定性模式识别法更直观。