本文利用虚拟仪器技术在LabVIEW7.0 软件平台上研制开发了一套微孔钻削力在线实时监控系统。系统不但具备了采集钻削力数据和控制步进电机进给的功能,而且可对采集到的信号进行FFT 分析和小波分析。利用本系统可对采集到的数据进行神经网络训练,并利用训练好的神经网络进行微孔钻削过程的决策和判断。本文在对微孔钻削力信号采集实验的基础上,对轴向力信号和扭矩信号进行了经典频域分析,提取了轴向力信号和扭矩信号的低频分量作为表征钻头状态的特征向量,并利用小波变换理论对扭矩的高频分量进行了分析,加入了小波分解分量作为表征钻头状态的动态特征向量。在提取特征向量的基础上,引入神经网络技术。探讨了BP 神经网络的结构设计、训练样本的选取、训练次数的确定和输入数据的预处理等BP 网实际应用中必然遇到的问题,并将所得结论用于微孔钻削力的在线实时监测,实验结果证明利用BP 神经网络对微孔钻削力进行实时监测可以达到较高的准确水平。