随着社会的快速发展,世界各国在智能制造领域内展开了新一轮的激烈竞争,数控机床的发展从一定程度上提升了生产效率和加工质量,但我们仍面临着一个难题:切削系统判断刀具磨损失效后而自动换刀。在传统制造中,换刀主要靠有经验的操作工人根据切削声音、切屑的颜色、手感和加工表面质量变化等现象或离线观察刀具的磨损状况来决定是否需要换刀,然而在如今先进智能制造时代,必须通过制造系统自动实时监测某些切削物理量来判断刀具磨损,从而及时换刀,以保证加工的连续性以及加工质量,所以解决这世界性难题对提高制造业水平来说意义非凡。本论文在总结国内外刀具磨损监测先进技术的基础上,对钛合金进行单齿铣削实验,并以切削力信号为主,工件表面粗糙度信号为辅作为监测信号,监测刀具磨损,其主要内容如下:1.总结国内外刀具磨损监测现状,分析铣削钛合金刀具磨损特点,确定以铣削力为主,工件表面粗糙度信号为辅间接监测刀具磨损;设计单齿铣削钛合金(TC4)实验方案,进行多组不同切削参数实验测量,并最终获得了6组具有代表意义的切削力原始信号。2.研究三向切削力时域、频域、时频域相关的特征参数,分析总结切削力和工件表面粗糙度随切削去除率的变化规律;同时分析了各个切削条件下切削力和工件表面粗糙度随刀具磨损的变化规律;分析时域,频域内相关的各特征量随刀具磨损的变化规律,分析各频带能量值以及主要频带的标准差值,最后通过特征参数与刀具磨损的相关性来提取特征信号。3.利用神经网络技术对刀具后刀面磨损VB值与特征信号之间的关系进行建模和预测,测试结果表明神经网络对刀具磨损的预测精度较高,能达到良好的预测效果;提出基于马氏距离,设定阈值来判断刀具磨损状态。