随着人们对木材需求的不断扩大,木材工业在我国国民经济发展中发挥着越来越重要的作用。在木材加工过程中,刀具磨损状态的精确识别是保证加工过程顺利进行的关键,因此研究和设计准确、可靠的刀具磨损识别系统一直是人们所追求的目标。基于这个出发点,本文以木材铣削过程中的声发射信号为研究对象,构建了一个基于小波分析和人工神经网络的刀具磨损识别系统。本文从声发射信号的特点出发,首先介绍了声发射信号硬件采集系统的组成和设计过程。然后比较小波分解和小波包分解的不同特点,本文选用小波包分解实现对采集到的声发射信号数据进行分解和消噪处理。利用小波包能量法提取声发射信号的特征值,根据分解后不同频段的能量变化趋势选择有效的、更能体现声发射信号特征的频段能量作为BP神经网络的输入。建立了BP神经网络,实现了刀具磨损状态与声发射信号特征向量之间的映射关系。最后对初期磨损、正常磨损和严重磨损三种不同磨损状态的样本进行训练,并通过Matlab程序实现了对刀具磨损状态的识别。实验证明:该方法可以有效的将三种磨损状态区分开来。本文研究表明:将小波分析和BP神经网络结合起来构建的模式识别系统能够有效地实现对刀具磨损状态的识别,在以后的生产和加工过程中有很大的实用价值。