以“中国制造2025”计划的实施为标志,我国已经进入制造业产业结构调整和产能升级攻关的关键阶段。智能化制造技术是数字化车间/智能工厂的关键支柱。本论文以工信部智能制造专项以及国家自然科学基金资助项目为依托,研究加工过程中机床刀具的状态监测和健康评估关键技术,提供刀具寿命预测以及维护决策的数字化依据。本文首先回顾了机床刀具健康监测关键技术的研究进展,总结了动态信号的经典处理方法,为课题的开展奠定扎实的理论基础。针对机床刀具动态数据处理中的非平稳异常成分识别问题,提出了尺度分形分解多分辨新理论。基于近似解析离散小波给出了隐小波包中间尺度构造方法,在不增加运算复杂度的前提下保持了近似平移不变和完美重构特性。实现了在分辨率逐层细化的过程中中心频率保持固定并处于经典小波理论的边缘,大大改善了特征提取效果。提出“中心嵌套子空间簇”概念以揭示这种新型多分辨分析的“时间—尺度”网格的分形集合特性,并在数学上证明了尺度分形分解是更为一般的多分辨分析理论。基于提出的尺度分形分解理论提出了非平稳冲击暂态特征提取方法。提出了强冲击周期成分异常特征用于衡量动态过程的冲击特性。将特征提取方法应用于转子动静碰摩实验,提取了强冲击性分量,在最优分析尺度附近找到了更具物理意义的单一模式分量。在工程中,将所提出方法应用于某四轴数控加工中心的主轴箱转矩信号分析中,根据最优尺度及其下属子空间的故障特征识别了旋转轴传动箱某传动轴上的齿轮故障,进一步验证了方法的实用性。针对数字化制造过程中大量监测数据普遍存在的碎片化和同步性差的问题,提出了一套制造过程工艺同构监测新方法。结合LabVIEW和SQL Server数据库平台开发了监测系统的上下位机,对机床刀具加工过程进行大量数据完整采集,然后辨识数据特征参照工序步骤进行数据智能分割与存储。综合运用经典平稳过程分析方法和尺度分形分解新算法对存储的同构数据进行智能处理。从特征成分的稀疏性变化揭示刀具的磨损失效过程。在实验室中采集刀具破损几种典型状态的声发射信号验证了智能算法的有效性。在加工中心上采用45#钢零件进行了多工步加工刀具全寿命实验。采集刀具振动加速度信号和刀具磨损的显微图像。分析结果表明振动加速度信号稀疏特征演化与刀具实际磨损渐变过程的良好对应关系,表明所提出的监测体系的有效性。