2015年国务院正式发布“中国制造2025规划”,提出从生产型制造过渡到服务型制造,最终实现制造业向智能化转型。智能切削数据库是数控加工领域实现智能制造的重要途径,对于生产加工的网络化、智能化、集成化与绿色化有巨大推动作用。随着物联网、大数据的发展,将数据库技术与传感器技术、数据挖掘技术、可视化技术等相结合成为开发智能切削数据库系统的趋势。本文针对目前切削数据库结构简单、功能单一、智能化水平低等诸多不足,结合刀具状态监测、机器视觉、多传感器融合等技术存在的问题,提出建立基于机器视觉的刀具破损判别模型、基于多传感器融合的刀具磨损和加工质量预测模型、基于机器学习的细长轴尺寸误差预测模型,完成智能切削数据库功能模块设计和核心算法开发,实现其在线监测功能。主要研究成果如下:(1)针对难加工材料切削过程刀具破损问题,搭建了基于机器视觉的刀具破损监测系统,采集已加工表面纹理图像,灰度处理后用直方图均衡化进行预处理,计算纹理图像的灰度共生矩阵,提取矩阵相关特征量。对特征量进行分析并提出刀具破损的两个判别条件。(2)针对切削过程的刀具磨损和加工表面质量在线监测问题,搭建了多传感器融合监测系统,采集了切削力、振动和切削表面纹理图像,并对切削信号进行了时域、频域和小波处理,用主成分分析法进行特征降维。用遗传、粒子群和网格搜索算法分别对支持向量机算法进行优化,建立了基于支持向量机的刀具磨损和加工表面质量的智能预测模型。(3)针对细长轴钨合金切削问题,研究了细长轴类零件尺寸误差的影响因素,并建立了基于工艺系统弹性变形的尺寸误差有限元模型。研究了钨合金切削过程中的刀具磨损、切屑形态、表面粗糙度以及残余应力等变化情况,并进行了刀具和切削参数推荐。指出尺寸误差模型在钨合金细长轴预测中的局限性,并用基于机器学习算法建立了细长轴钨合金尺寸误差智能预测模型,预测精度很高。