机械加工过程监测是集加工、材料、传感器、模式识别、信号处理等为一体的综合技术，是先进制造技术发展的主要方向之一。其中刀具状态监测作为机械加工过程监测的一个重要分支，为实现自动化加工的高效率、低成本、高质量和无人化，受到国内外机械工程专家和学者们的广泛关注。同时，微量润滑(Minimum QuantityLubrication，MQL)作为一种新型环保绿色切削技术，对实现绿色制造和节能减排，具有非常广阔的发展空间。本文以精密车削为背景，对MQL润滑方式下的刀具磨损、切削力和声发射信号的监测、特征提取及模式识别进行了系统的理论和试验研究，主要研究工作为:　　1、给出了刀具的不同磨损形式，论述了刀具磨损机理，并根据加工的实际条件，拟定了适合本次试验的刀具磨钝标准。在信号处理方面，主要阐述了信号分析的各种常用方法以及每种分析方法的特点和适用范围。　　2、构建出刀具磨损状态监测试验系统，拟定了试验方案，确立出传感器和MQL喷射参数。选用可生物降解的蓖麻油、玉米油以及植物油2000作为MQL切削液，并测量了对工件材料45钢的润湿角。　　3、监测了切削过程中的切削力信号和声发射信号及空载时的声发射信号，对信号进行了预处理，并分别进行了时域、频域以及小波包分析，寻求出每组信号中对刀具磨损最为敏感的特征参量。　　4、构建了BP神经网络并对刀具磨损状态进行识别，运用经验公式和试凑法确定出网络结构，使用特征样本对网络进行训练和利用测试数据对网络的精确性进行验证。结果表明BP神经网络能够很好的识别刀具的磨损阶段。　　本研究是国家科技重大专项——高速数控切削过程监控与评定方法(№2013ZX04009031-008)和国家科技重大专项——数控刀具切削加工表面完整性检测技术及评价方法(№2013ZX04009031-002)的组成部分之一，并得到中国一汽无锡油泵油嘴研究所动力奖教助研基金的资助，本论文的研究成果进一步丰富和发展了刀具磨损状态监测技术的研究，对该领域的实际应用具备一定的指导意义和理论参考价值。