金属切削加工是机械制造中应用最为广泛的加工方式。而加工过程中对刀具磨损状态的监控是保证生产顺利进行的关键。随着FMS、CIMS等自动化技术的发展,迫切需要新型、实用、可靠的刀具磨损监控系统。在切削加工中有一个非常重要的信号:切削声信号。人们在研究切削声的声学特性时发现,不同的刀具磨损状态,切削的声辐射也有所不同。因此我们选择切削声信号作为刀具磨损状态识别的监测信号。本文首先总结了声音信号在时域、频域和小波分析的常用分析方法,然后建立了切削声信号的采集装置,获取了车削加工中刀具在不同磨损状态下的切削声信号。接着,采用小波分解的方法把信号划分成不同频带,提取不同频带能量占信号总能量的百分比作为刀具磨损状态识别的特征量。同时,建立了三层BP神经网络作为刀具磨损状态识别分类器,通过试验确定了最优化的BP神经网络结构,利用获得的样本信号对神经网络进行训练和仿真测试,得到了良好的识别效果。最后利用数字图像处理的方法提取了刀具磨损图像的磨损边缘和磨损量,编写了刀具磨损状态自动识别程序,并用实验验证了其可靠性。