为了提高生产率和工件的加工精度以及产品的多样化，数控机床在工业生产中已经得到普遍应用。加工过程中发生刀具破损会降低加工效率，影响加工质量，尤其对于精密零件，刀具破损会导致工件报废，造成经济损失。而且铣削加工是断续切削，增加刀具破损监测的难度，因此，对铣削刀具破损监测的深入研究具有重要实际意义。　　首先，调研工业现场并查阅了相关文献，根据现有研究的不足，从机床铣削加工机理及特征出发，在进行了充分的实验以及理论分析的基础上，研究基于电机电流信号的铣削加工刀具破损监测方法。　　然后，通过理论原理与模拟信号对奇异谱算法进行阐述，并且基于奇异谱算法，对电机电流信号进行降噪处理，提高信噪比。通过奇异值减少数据量，降低信号特征值的提取难度。最后，使用奇异谱算法对实际铣削加工中的电流信号进行预处理，通过奇异值保存电流信号中的特征频率成分，提高信号信噪比以便于下一步提取特征值。　　再次，在时域、频域内对电机电流信号进行分析，基于奇异谱算法，可以得到电机电流信号的奇异值，但是因为奇异值之间并不是独立的，相互之间有交叉信息，会对结果造成影响，因此，对奇异值进一步提取马氏距离与谱平滑度作为刀具破损监测的特征值。通过不同切削参数、不同破损程度的试验验证了特征值的有效性，从而建立特征向量。　　最后，根据线性判别函数的原理与准则，设计并构建铣削加工刀具破损线性判别函数识别模型。使用提取的有效特征值对模型进行训练，结合了奇异值分解算法的降噪能力与判别函数的分类能力，基于交叉验证法对模型识别率进行验证，发现模型对样本的识别准确率能达到95％。