刀具状态监测技术是实现智能化加工的关键技术之一,对保证产品加工质量、降低生产成本、提高生产效率以及实现连续自动化加工具有重要意义。钻削加工是机械制造业中一种应用十分广泛的加工方法,然而半封闭或封闭的切削条件和特殊的刀具几何结构使得钻削刀具的磨损速率要高于相同切削条件下的其他加工方法,且无法直接观察刀具的加工状态。本文在探讨国内外刀具状态监测技术的基础上,对钻削刀具状态监测技术进行了研究。主要研究内容与结论如下:(1)通过分析刀具磨损规律以及钻削加工过程的特点,建立了以切削力信号和振动信号为监测对象的钻削刀具磨损状态监测实验方案以及实验系统,并完成了监测信号的采集。(2)钻削刀具状态监测信号预处理技术研究。提出了使用小波阈值降噪法对切削力信号和振动信号进行降噪处理,通过分析在不同小波基函数和分解层数下监测信号的降噪结果,确定了采用分解层数为1和小波基函数为coif1、coif5的降噪方法对监测信号进行预处理。(3)钻削刀具状态信号特征提取技术研究。采用了时域、频域以及谐波小波包分析技术对降噪后的信号进行特征提取,通过信号特征与刀具状态变化之间的相关性分析,共选取了31个典型特征作为刀具状态识别输入向量。(4)钻削刀具状态监测技术研究。通过引入自适应粒子群优化算法对最小二乘支持向量机核函数的惩罚因子?和核参数?~2进行自动寻优,选取了最优参数组合?=189.83,?~2=13.64。并在此基础上建立了基于最小二乘支持向量机的刀具磨损状态识别模型,以获取的特征样本数据为输入向量,以相对应的刀具磨损状态为输出向量,完成了刀具磨损状态的识别。结果表明,通过合理的特征选择方法和识别模型参数优化设置,钻削刀具状态识别模型的平均绝对误差为0.91%,识别精度较高。