刀具作为金属切削过程的直接执行者,在工件的切削加工过程中不可避免存在着刀具磨损和破损现象,刀具状态的变化直接导致产品质量下降和成本增加,进而影响产品的市场竞争力。针对这一问题,本文开展了以下工作：深入研究了对比试验方法与正交试验方法对切削加工过程中数据检测与预测的影响。通过对比试验方法获得了网络建模、模糊聚类等模式识别所需的完整数据,通过正交试验方法成功的从有限的实验中,得到一系列的、连续的、可以预测的车削加工信息。分析了信号特征随不同因素变化的规律,灵活的根据特征定义抽取有效特征,进行刀具磨损监测。在对切削力信号、振动信号进行时域分析、频域分析和小波分析的基础上,采用动态特征监测多加工条件下刀具磨损的方法,提高了特征的监测精度,有利于建立刀具的特征值表。分析了BP神经网络、模糊聚类、小波能量等模式识别应用于刀具磨损监测的特点,分别成功的进行了模式识别,提高了系统识别的可靠性,有助于在线监测。在监测理论的基础上,创造性地应用了六西格玛原理的对切削力进行预测,将其应用于车削加工和铣削加工。大量验证试验结果表明,该方法能准确的预测切削加工中的切削力和刀具磨损量,有利于研究成果的工业推广。本文的研究在试验设计、信号分析、监测策略、特征提取与选择、模式识别以及趋势预测等方面进行了积极的探索,一定程度上解决了刀具磨损监测技术实用化进程中出现的一系列问题,提高了监测系统的精度及可靠性,为监测系统实用化研究探索了新的思路,丰富了刀具磨损监测技术。