随着工业传感器、自动控制系统、工业互联网等信息技术在工业领域的广泛应用,海量的刀具传感器信号被实时采集并传输,由于采集到的数据本身存在离群数据,并且在数据传输过程中往往会存在一些数据缺失现象,导致在刀具加工过程中无法准确的预测刀具剩余使用寿命。因此将采集到的刀具传感器信号进行空缺数据填充及离群数据检测能提高刀具剩余使用寿命预测的准确性,并对提高工件的加工精度与生产的加工效率具有重要意义。本文以铣削加工中采集的刀具状态监测信号（切削力信号、振动加速度信号及声发射信号）为研究对象,采用深度学习框架,研究了多维传感器信号下的空缺数据填充算法、离群数据检测算法及刀具寿命动态预测算法。最后利用计算机技术结合研究内容建立了刀具寿命预测服务系统。本文主要研究内容如下:（1）刀具传感器信号空缺数据填充算法的改进。针对传统的数据填充算法对多维传感器信号数据填充不适用的情况,采用深度卷积神经网络提取多维传感器信号之间的关系,利用长短时记忆神经网络捕捉传感器信号时序上的关系,从而建立刀具传感器信号空缺数据填充预测模型。并针对多输出预测算法改进损失函数加权方法,提高多维传感器信号预测的准确性。并与传统的数据填充算法进行对比实验,验证改进算法的有效性。（2）刀具传感器信号离群检测算法改进。针对刀具不同磨损阶段所体现出来的刀具传感器信号数据分布不同,引入概念漂移思想,不同的磨损阶段进行离群数据检测时所采用的检测标准也有所差异,因此从数据分布的角度对刀具状态监测信号是否发生概念漂移进行检测,从而更新离群数据检测的阈值,提高离群数据检测的准确率,并与传统的离群检测算法进行对比实验,验证该方法的有效性。（3）刀具寿命动态预测。本文针对同工况同型号下刀具监测信号数据分布不一致,导致刀具历史寿命预测模型对刀具寿命预测效果有限的情况,采用深度卷积神经网络挖掘刀具寿命特征,并加入注意力机制加强对刀具寿命特征的学习,建立刀具寿命预测模型。借鉴迁移学习思想,提出刀具寿命预测模型动态更新方法,从而获得更可靠的刀具寿命预测模型,提高刀具寿命预测准确度,并与传统的刀具寿命预测模型进行对比实验,验证该方法的有效性。（4）铣刀寿命预测服务系统的设计与实现。基于刀具传感器信号空缺数据填充、离群数据检测及刀具寿命动态预测的研究,通过分析铣刀寿命预测服务的功能需求,通过超文本标记语言（HTML）、层叠样式表（CSS）、Java Script等前端技术,Python应用开发技术,My SQL数据库等实现了具有空缺数据填充、离群检测及刀具寿命动态预测等功能的铣刀寿命预测服务系统。