在铣削过程中,由于切削因素、刀具和工件材料的影响,铣刀经常发生脆性破损,影响加工的精度和效率。因此很有必要对铣刀的破损进行检测,一旦发现就及时采取换刀等措施,避免带来更大的损失。由于铣削过程中的振动信号能够较好的反映出铣刀的状态,因此本文采用基于振动传感器的间接检测方法,在加工过程中对铣刀进行实时的破损检测。本文还提出基于永磁扰动传感器的直接检测方法,可以在未铣削的加工间歇进行铣刀破损检测,也可以对间接检测的结果进行二次判断,减少误判率。在基于振动传感器的铣刀破损的检测方法中,采集机床主轴X、Y、Z三个方向的振动信号,本文提出采用变分模态分解对信号进行分解,提取各模态的中心频率和能量作为模态特征。进一步结合提取的时域、频域特征和小波包分解的能量特征,采用基于随机森林模型的特征选择方法选出重要的特征。采用支持向量机和集成学习模型对选择的特征进行训练,并结合K折交叉验证和网格搜索的方法确定模型的最优参数。对比两种模型发现集成学习方法的随机森林模型具有较高的预测准确率。在基于永磁扰动传感器的检测方法中,提出了基于倍频频段能量的特征提取方法,提取转频的各倍频对应频段的能量值。并进一步提出了基于倍频频段能量熵的检测模型,实验表明,该方法可以对铣刀破损进行检测并达到了较好的效果。针对本文的铣刀破损检测方法开发了相应的铣刀破损检测软件,该软件具有数据采集、时域和频域示波、特征值显示、指令信息显示、铣刀破损检测和状态显示、数据保存、截图等多种功能。