插齿机床是重要的齿轮生产设备,在加工的大型内齿圈零件拥有远高于其他齿轮制造设备的效率与灵活性。插齿刀具上的切削冲击大,刀具极易磨损,因此刀齿表面覆有强化涂层,提高刀具耐磨性。当强化涂层磨耗尽后,刀齿进入异常磨损状态。随着钝化的加速,切削冲击力与摩擦力大幅增加,若未及时检出异常磨损的刀齿,则会影响成品齿轮的质量,甚至引发刀具烧伤、机床损坏等严重生产事故。为实现在工业环境下实时监测插齿刀具磨损状态,本文提出了基于工况感知与仿真相结合的插齿刀具状态监测方法,具体工作如下:针对传统插齿过程监测的测力仪、声发射采集设备难以融入工业环境的问题,分析插齿刀具磨损的物理表征,提出将电流与振动信号相结合的测量方法,并搭建传感器信号采集试验台,实现了插齿切削负载的间接测量。针对插齿过程的传感器原始信号成分复杂、随机干扰多的问题,提出基于时频谱熵分析的噪声滤除方案,对振动信号进行提纯。对预处理后的振动与电流信号进行趋势分析,获得了能够反映切削负载强度变化的信号特征。针对插齿切削过程导致监测对象实时改变的特殊性,提出了采用几何切削仿真实时追踪被测刀齿的方法,并创新地提出基于仿真切屑体积的信号特征分解方法,实现传感器对逐个刀齿的分时复用,将监测对象转化为相互独立的刀齿。并对刀齿的特征序列进行二次提取特征,获得刀齿的磨损状态特征向量表,作为辨识模型的输入。最后对本文提出的方案进行验证。在符合刀具监测基本物理原理的前提下,基于特征的物理意义选用合理的有监督学习模型,筛选出基于AdaBoost算法的刀齿异常磨损状态辨识模型,该模型在各工况下准确率均大于97%。最终基于该模型对整把插齿刀具进行磨损评估实验,模型对异常磨损刀齿的定位结果都最大误差在±1齿以内,验证了本文方法的有效性。