目前,人们对监控系统的实时性、计算精度和大数据量运算速度等要求不断提高,单片机系统在很多场合已不能很好地满足用户要求。DSP系统由于运算速度快、精度高等特点,正逐渐取代单片机系统,成为一大技术热点。本课题研究了DSP在刀具状态监测系统中的应用,建立了刀具状态在线实时监测系统。在分析了国内外刀具磨损监测的实现方案后,本文提出了一种基于DSPTMS320F2812的实时监控方案。采用TMS320F2812 DSP芯片作为监测系统硬件平台的中央处理单元,完成了实时监测系统硬件设计与软件的开发,该系统能够实现工况信号采集、分析以及工况识别,通过串行接口可以将采集的信号传输到计算机上做进一步分析和处理。通过系统实现,证明本方案确实可行,并具有精度高和实时监控且可靠性高的特点。本文主要论述了该系统的总体设计和实现方案,并详细介绍了系统使用的元器件与电路的实现方法以及软件总体和关键部分的设计流程。监测系统的硬件采用模块化设计,监测系统的硬件模块包括：时钟电路、电源电路、复位电路、存储器设计、数据采集电路、串行通信和仿真接口。在CCS集成开发环境下,完成了监测系统的基本配置。同时针对加工过程的复杂性以及采集信号的非平稳性,采用自适应噪声抵消消噪思想来实现对信号中的背景噪声的消噪。完成了自适应滤波在Matlab上的仿真以及在TMS320F212上的实现。结果表明使用该方法具有很好的非平稳随机噪声消噪效果,为监测信号特征的提取奠定了基础。针对特征向量与工况之间关系的复杂性与不确定性,采用神经网络识别的思想建立了对加工过程中刀具状态的识别方法,并对神经网络在Matlab上的仿真以及在DSP芯片TMS320F2812上的实现进行了研究,实验结果表明该方法能够准确地识别刀具加工过程中的刀具磨损状态。