随着现代制造业和工业自动化的高速发展，数控机床和加工中心得到了广泛应用，为了保证这些无人参与的自动化加工过程的安全可靠的进行，迫切需要能够实现实时在线监测切削过程的系统。作为切削过程的直接执行者，刀具的磨损会降低加工过程中的精度，并且使加工效率降低，因此刀具状态的监测就变得越来越重要，它在推动加工过程中的无人化和自动化发展方面起到了非常重要的作用。刀具磨损和破损在切削过程中是不可避免的，它会给自动化加工带来许多不良的影响，影响工件的表面质量，造成机床的损坏，甚至会威胁操作者的生命安全，造成难以估计的损失。研究表明，数控机床在安装了刀具监测系统后，因刀具磨损和破损而造成的停机时间减少到原来的25%，机床的利用率提高了一半以上，这样生产效率得到了提高，也就节约了生产成本。经过这几十年的发展刀具的监测技术在广度和深度上都已经达到了一定的水平，但是到目前还没有一种能适用于不同的加工条件下并能监测各种刀具的方法，也就是各种方法的适用范围都有限，还远没有达到自动化控制的要求。本文主要针对基于切削声和切削力参数融合的刀具磨损监测系统进行研究，做了以下相关工作：（1）将几种常用的刀具状态监测方法的使用范围及特点进行了对比，对国内外的研究现状及研究成果进行了概述，分析了现在刀具状态监测技术存在的问题及未来的发展趋势。在此基础上，提出了将切削声信号和切削力信号融合起来共同来监测刀具磨损状态的方法。（2）确立了应用MEMS麦克风采集切削声信号和应用霍尔传感器采集电流信号的方案，针对切削声信号进行了特征参数的选取，并提出了间接测量切削力的设计方案。引入基于神经网络的多传感器信息融合方法，重点介绍了BP神经网络，对BP算法进行了理论推导，并针对传统算法的缺陷，提出了BP算法的改进算法。（3）在YCM-V116B立式数控加工中心进行了铣削实验，并对实验数据进行了预处理，提取了切削声信号和切削力信号的特征参数，将这些参数作为BP网络的输入，然后对BP神经网络进行了设计，包括输入层、隐层、输出层的确立，以及神经网络训练时各参数的选择，通过对此网络的训练，得出切削声和切削力融合后能够提高识别刀具磨损程度的准确性和稳定性。（4）在分析系统功能需求的基础上，选择ARM9S3C2410处理器作为系统核心，围绕其设计了刀具磨损监测系统。分别设计了切削声信号以及电流信号的采集电路，通过A/D转换传送至处理器，并且设计了电源、复位、JTAG、串口以及LCD显示模块，使得所设计的刀具磨损监测系统完全满足刀具磨损监测的功能需求。（5）对软件平台进行了构建及设计，首先简单介绍了应用程序、驱动程序与硬件之间的关系，然后采用Qt进行人机界面的应用程序设计，之后对目标机的软件平台进行了搭建。最后基于Qt/Embedded进行GUI设计，并将应用程序移植到目标机上，基本实现了所需软件的功能要求。