刀具状态实时监测是实现加工自动化的关键，有效的刀具破损监测系统对于提高生产效率，降低生产成本，改善产品质量等具有十分重要的实践意义。本文对铣削过程中铣刀状态监测中信号传感、信号处理、状态识别等相关技术方法作了详细的研究。在此基础上，提出了一个基于声发射的铣刀破损监测方法。本文开展了以下研究工作：首先，建立了一个基于LabVIEW的AE信号连续采集与实时监测试验系统，利用该系统进行正交铣削试验，采集了不同试验条件下铣刀正常切削与破损时的AE信号。然后，对这些信号进行了时域、频域和小波分析处理，在小波变换的基础上提取了能量、标准差、峰态系数三类特征，并通过正常切削、随机冲击、刀具破损三类AE信号特征比较，证明三类特征能够有效地反映刀具状态的变化。进而，通过分析各个特征量对刀具状态与切削用量的敏感度，对特征进行了优化，选取了对刀具状态敏感度高而对切削用量敏感度低的特征量组成最终的特征向量。对铣刀切入切出过程的AE信号特征进行了研究，并分析探讨了造成切入切出AE信号特征差异的原因。最后，对支持向量机网络进行了研究，成功地将其应用到铣刀破损监测中，取得了良好的识别效果。并且进一步证明了经过特征优化得到的能量、标准差、峰态系数的组合特征比单一特征能够更准确更全面地反映刀具状态。