CFRP/铝合金材料具有高比强度、耐摩擦、耐疲劳等优异性能,被广泛应用于航空航天、汽车行业以及轮船等领域。但是由于两种材料的硬度、强度不同,采用传统钻削加工方式对其进行制孔加工时,容易产生毛刺、撕裂、分层等缺陷,难以满足航空航天等特殊领域的高精度要求。轴向振动钻削是一种新型的脉冲式特种加工方法,具有改善切削性能,降低切削力,提高加工孔表面质量等优点。在制孔过程中,刀具的磨损状态直接影响生产效率、加工成本以及铰接孔的质量。钻削加工是在半封闭状态下进行的,制孔过程中无法直接观察和监测刀具的磨损状态,主要通过操作工人经验判断刀具磨损程度,制定换刀方案,但这种方法可靠性差且难以应用于自动化设备中。因此,研究刀具磨损状态监测技术有利于推动机床自动化和智能化的发展。本文以轴向振动钻削装置为试验平台,首先,搭建了多传感器融合的钻头磨损状态监测系统,以钻削力信号、声发射信号和振动信号作为监测信号,通过硬质合金刀具进行了CFRP/铝合金工件制孔过程的刀具磨损试验。其次,运用小波阈值法对钻削力、声发射以及振动信号进行了去噪处理,降低噪声的影响。然后,对去噪后的信号进行特征分析,基于时域分析法,计算出信号的均值、方差和均方根值;基于频域分析法,得到信号的频谱结构及功率随频率的分布情况;在时频域内,基于小波分解法对信号进行分析处理,提取了各频段的能量比系数。对比分析钻头在不同磨损状态下的特征值,选取与钻头磨损状态相关性强的特征值作为特征向量。最后,对比分析了BP神经网络与支持向量机在振动钻削钻头磨损状态监测中的应用效果。结果表明,两种方法均能有效识别钻头磨损状态,但支持向量机收敛速度快,识别精度高,更适合应用于振动钻削钻头磨损状态监测。本文通过多传感器融合技术构建的振动钻削钻头磨损状态监测系统对延长钻头使用寿命,提高加工孔表面质量具有重要意义。