过程监控是一门由多学科相互交叉相互渗透而形成的新兴学科。它利用各种传感器对设备或系统的运行状态进行监测和控制,借助现代信号处理和分析技术对传感器输出信号进行观测和综合处理,从而获得系统的运行状态信息,由此而进一步对系统进行状态控制、故障诊断和预测。 本文在详细概述与分析过程监控和信号处理技术的特点及应用的基础上,介绍了制造过程信号的采集与信号预处理方法,针对刀具切削过程中声发射信号的特点,提出了基于小波分析的声发射刀具状态评价方法,建立了基于神经网络和模糊理论的多传感器估算模型,实验表明这些模型能有效的对表面粗糙度进行预测,利用灰色关联分析对影响表面粗糙度的因素进行了关联度计算,以此为依据借助神经网络技术提出了基于过程监控信号信息融合的切削参数优化策略,其有效性在实验中得到了验证。 在详细介绍了小波分析的基础理论后,针对信号奇异性的特点与小波变换可以写成函数卷积形式的特性,分析了小波对信号奇异性检测原理与小波分解系数模极大值之间的关系,运用小波多尺度分析的方法,对车削过程中刀具的声发射信号能量频带分布进行了分析,由此提出了以主能量频带分解尺度下的小波系数模极大值均值和均方根作为特征量的评价策略,并通过实验验证了这个方法的有效性。