目前,机械制造行业正在向柔性化、无人化方向发展,在大规模的自动化生产过程中,对刀具状态的在线监测是保证生产顺利进行的关键,这对于延长机床设备无故障运行时间、提高加工效率和产品质量具有重要的意义。本文在分析刀具状态监测技术研究现状的基础上,从切削声信号入手对刀具状态的监测进行了研究,主要进行了以下工作:(1)搭建了切削声信号采集平台,在数控加工中心上进行了切削声信号的采集实验,对采集的切削声信号进行了统计分析和功率谱密度分析,发现了切削声信号中存在着与刀具磨损变化相应的特征成分,证明了利用切削声信号进行刀具状态监测的可行性。(2)对刀具磨损状态的监测,依据切削过程中刀具磨损状态的变化与产生的切削声信号之间存在着的对应关系,提出了一种基于切削声谱隐马尔科夫模型(Hidden Markov Model,HMM)识别的刀具磨损状态在线监测方法。通过建立HMM,提取切削声信号的线性预测倒谱系数(Linear Prediction Cepstrum Coefficient,LPCC)作为其特征参数,进行了刀具磨损状态的识别实验,实现了刀具磨损程度的分级识别。(3)对刀具破损状态的监测,依据其发生时产生的切削声信号中的突变特征,运用小波分析提取了它的特征参数,并去除了与其具有相似突变特征的干扰声信号,通过设定合适的监测阈值,实现了对刀具破损的良好监测。(4)完成了监测系统硬件平台的设计。针对识别算法的需要,选择了ARM处理器作为监测系统的CPU,并围绕其进行了外围电路设计。