经淬火处理后的淬硬钢材料具有马氏体组织,硬度、强度高且热导率较低,导致切削温度高以及在刀具与切屑、刀具与工件表面的附着力增强,刀具磨损速度快,因此加工过程中增加刀具状态监控系统,可防止由于刀具更换不及时而导致机床停机并减少零件报废。为此本文针对Cr12Mo V铣削过程中刀具的磨损状态,使用多种传感器和数据采集方法设计并实现了一种低成本的刀具状态监测系统,进行以下研究:信号采集方面,通过理论分析确定往复走刀的铣削路径,选择了切削力信号、振动信号和能耗信号搭建的试验平台,设定适合本试验条件的试验参数和磨钝标准。为了减少试验次数,基于三种切削参数设计了正交试验,通过对试验结果进行极差分析选定了最优的参数组合进行介绍,获得了刀具磨损状态相应的传感器信号,为后续的处理和分析提供数据支持。信号预处理方面,通过零点漂移处理、截取法和五点三次平滑滤波处理提取有效的信号数据,减少了原始信号中存在的大量噪声和冗余数据;对磨损基本特性进行分析,获得不同传感器信号与磨损之间的关联。信号分析方面,对刀具磨损的三种监测特征进行了分析,从时域、频域和时频域方面提取与刀具磨损量相关的感知特征,并提出一种Pearson相关系数分析和核主成分分析(KPCA)结合的特征降维方法,最终确定了可以有效地反映刀具磨损信息的特征组合,提高后续网络模型识别的性能。状态监测方面,通过建立BP神经网络和Levy-GA-BP神经网络模型完成对刀具磨损状态的识别,分析了不同模型的识别,结果表明基于Levy-GA-BP神经网络预测的效果更好。监测系统建立方面,利用MATLAB软件开发了铣刀磨损监测系统并完善切削数据库平台,通过输入相应的参数,达到预期的监测效果,并结合数据库平台实现切削数据的存储和管理,该监测系统可以为切削加工工艺参数优化、刀具设计提供基础数据。