机械工业是国家经济发展的支柱行业,随着科学技术的进步,机械工业正朝着智能化的方向发展。刀具状态智能监测技术作为先进制造技术的重要组成部分和亟需待攻克的技术,已成为国内外的研究热点。本文以数控车削过程中刀具磨损状态为研究对象,开展了以下工作:首先,运用Third Wave Advant Edge软件得到刀具在不同磨损状态下的切削仿真温度情况。其次,设计了基于热电偶法的刀具切削温度信号的采集系统和基于Lab VIEW平台的切削音频信号的采集分析系统。然后,对实验采集到的车削温度数据分析后发现,实验时车削刀尖温度与仿真温度结果近似。并且随着刀具磨损的加剧,切削温度也上升,尤其是到了严重磨损阶段,刀具温度急剧上升,此结论与仿真结果一致。对声音信号进行时域频域分析后发现,正常切削的声音信号主要集中在1-5 k Hz,其中1.4-1.7 k Hz、2.7-5 k Hz的频率区间内的音频信号与刀具磨损状态相关性较好。对音频信号进行七层多频率分解后发现,刀具在不同磨损状态下的切削音频信号的能量都主要集中在D3、D4、D5、D6四个频率区间段(即340-5520 Hz)。相关性最好的频率段为D4(1372-2760 Hz),其次是D3频率段(2760-5520 Hz)。最后,利用Relief-F法进行特征选择,选出的相关性特征为时域信号均方值、和多频率分解后的A7、D7、D6、D5、D4、D3频段能量占总能量的百分比。通过研究模糊模式识别法,建立了基于刀具切削温度信号模糊隶属度函数模型。选取D3+D4(即1372-5520 Hz)频段的能量占总能量百分比数据与刀具切削温度进行拟合判别刀具磨损状态。构建7-9-3型BP神经网络模型,将多频率分解得到的6个频率区间(A7、D7、D6、D5、D4、D3)的能量百分比和切削温度的均值,归一化后作为输入向量,刀具的磨损状态作为输出向量,实现对刀具磨损状态的识别。通过仿真分析、实验研究、理论分析相结合的方法,本文建立了基于切削音频及温度信号拟合的刀具磨损监测方案。较单一信号监测系统,本系统能较准确地判别刀具磨损状态,且温度及音频监测设备成本较低,具有较大的经济和应用价值,为刀具实时监测提供了新方法。