转子是汽轮机的核心零部件，其动叶枞树型轮槽结构复杂，精度要求高，材料去除量大，尤其是半精铣刀消耗量大，刀具成本较高。目前，加工过程中的刀具状态和更换，主要依靠人工经验判断，严重影响加工效率和刀具成本。因此，开发一套铣削加工过程的在线监测系统对于降低生产成本，提高劳动生产率具有重大意义。　　本文以轮槽铣削过程中的半精刀为研究对象，利用电流、电压传感器和ARM单片机系统，开发了基于机床主轴电机功率信号的铣削加工过程在线监测系统。在实际加工现场采集了加工过程中的功率数据，分析了半精刀工序实验数据的时域和频域特性，获取表征刀具磨损状态的特征量。分析了半精刀类型和修磨次数对刀具磨损的影响，利用K-means聚类分析方法，实现了半精刀的分类；在此基础上，利用BP神经网络方法，预测半精铣刀换刀的加工轮槽数。最后对刀具实际磨损量进行分析，验证了模型的有效性。同时以表面粗糙度为指标，进一步分析了半精刀工序对加工结果的重要性，并讨论了不同刀具属性的影响规律。　　本文的研究成果应用于企业的实际转子加工，进行实际验证。实验表明：该方法能够为实际转子轮槽加工的刀具更换提供客观、科学的依据，有助于降低刀具成本，并提高加工效率。