刀具磨损已经成为影响工件加工精度、表面质量,导致机床发生振动、噪声等的重要原因。多年以来针对刀具磨损状态识别一直在进行相关方面的研究,但都处于研究阶段,应用于实际生产的刀具磨损状态识别方法尚未见相关报道。现有的刀具磨损状态识别方法,难以适用于大批量生产中切削参数波动的情况。本文提出了一种基于电流信号的刀具磨损状态定量识别方法,其主要研究内容如下:根据大批量生产的特点,以及刀具的磨损规律,本文提出了监测可直接从伺服获取的驱动电流信号,通过刀具磨损规律学习,实现对刀具磨损状态进行识别的方法。并确定试验方案,完成加工中心面铣削刀具磨损状态识别的试验设计,建立了电流信号监测试验系统并完成相关试验;采用小波分析技术对信号进行时频域分析,获取刀具切削电流信号在多个时频域内的特征量,并通过特征敏感性分析,获取表征刀具磨损状态敏感性高的信号特征量;通过刀具磨损规律学习,利用BP神经网络训练获得刀具寿命模型,并由神经网络模式识别技术完成对刀具寿命的定量识别。利用该方法对刀具磨损状态识别,获得的结果表明:在刀具磨损后期,部分识别结果的误差在10%以内,既保证及时更换磨损刀具,又提高了刀具利用率。建立刀具磨损量与信号特征量之间的关系模型,实时识别刀具的磨损量,并补偿因刀具磨损造成的工件尺寸误差。补偿后的工件尺寸误差减小到仅为补偿前误差的25%,显著提高了刀具切削工件的加工精度。