随着物联网、大数据、人工智能等技术的不断发展,智能制造成为机械制造业发展的必然趋势。数控机床是智能制造系统中的重要装备,通过监测机床铣削过程中刀具的磨损状态,不但可以保障加工产品的表面质量和加工精度,还可以确保机床设备安全、减少生产故障、提高生产效率、节约人力和资源。因此,对数控机床刀具进行智能化健康状态监测具有重要的现实意义。本文结合人工智能的方法对数控机床中的铣刀磨损状态进行智能化评估,对铣刀的振动信号进行分析,研究铣刀的磨损状态识别方法,设计了离线和在线铣刀磨损状态监测系统。论文的主要工作包括:(1)通过分析机床X、Y、Z三向振动信号时域波形图,提取了常见的十种时域特征,并通过可视化技术研究了刀具磨损状态与时域特征的相关性。采用小波包提取了刀具不同状态下高低频段的能量特征,并对比了不同磨损状态下各个频段能量变化。结果显示,振动信号的某些时域特征、小波包能量特征能很好地反映出刀具的磨损状态。(2)刀具磨损状态识别是一种数据不平衡的多分类问题,相对于刀具的正常磨损状态,初期磨损、剧烈磨损状态信息较少。如果不对数据集处理的话,容易使得模型倾向于预测状态信息多的类别,造成模型泛化能力不足、预测精度差。因此采用一种基于Borderline-SMOTE的平衡数据集方法,实验表明该方法可以保障模型的预测性能、模型鲁棒性。(3)采用混合特征选择方法从原始特征集合中提取最优的特征集合,建立基于XGBoost算法的铣刀磨损状态预测模型,该方法具有很高的识别率、鲁棒性、泛化能力。(4)设计开发了铣刀磨损状态监测的原型系统,将振动信号的降噪、时域和能量特征的提取、可视化功能、模型的训练和磨损状态在线预测功能整合到了系统中,实现了刀具磨损状态在线智能化识别。