刀具状态监测技术对自动化加工效率和加工质量的提高有着十分重要的意义。本文以车削过程中的加工表面图像为研究对象,分析了加工表面微观图像与刀具磨损之间的内在联系,采用图像处理、Hough变换、分形及模糊识别等方法,对基于加工表面图像的刀具磨损状态监测的关键技术进行了研究,为刀具状态监测提供了一条新的途径。讨论了刀具的磨损形态及磨损过程,分析了加工表面纹理形貌与刀具几何形状之间的映射关系。建立了基于加工表面图像的刀具磨损监测实验系统,并在实验数据分析的基础上,验证了以加工表面图像间接反映刀具磨损状态的可行性。针对加工表面图像,研究了图像剪切、光照不均校正、图像平滑、边缘检测和图像纹理角度校正等图像预处理问题,完成了相应的图像处理算法,为实现刀具磨损状态监测的图像特征提取奠定基础。根据加工表面边缘图像随刀具磨损的变化特征,应用Hough变换对边缘图像中线段的分布特性进行了分析与检测,研究了纹理直线段平均长度、纹理直线段与切削速度方向的夹角均值随刀具磨损的变化规律。实验结果表明,这两个特征参数与刀具磨损状态之间存在密切联系,根据特征参数的变化规律可实现刀具磨损状态的监测。将分形理论引入加工表面图像分析中,在研究分形维数算法的基础上提出了小波分维数和分形谱维数的概念,并完成了这两种维数的详细算法。研究了小波分维数和分形谱维数随刀具磨损的变化规律。实验结果表明,这两个分维数与刀具磨损状态之间存在密切联系,根据分维数的变化规律可实现刀具磨损状态的监测。根据各个特征参数与刀具磨损状态间的密切联系,将模糊模式识别应用于刀具磨损状态的监测中。建立了判别刀具磨损状态的模糊识别系统,将与刀具磨损状态有密切联系的特征参数输入模糊分布函数,研究各组实验样本的刀具磨损状态隶属度,根据最大隶属原则实现对刀具磨损状态的识别。实验结果表明,该模糊识别系统能够较准确地实现对刀具磨损状态的识别。