在数控机床加工过程中,刀具由于受到热压裂、物理摩擦、塑性变形、扩散磨损和晶粒脱落等原因影响,会逐渐磨损直至失效。刀具的磨损不仅会降低机床加工质量,影响工件的表面粗糙度和尺寸精度,同时也严重影响数控机床的整体稳定性和加工效率。数控机床刀具磨损监测系统起着决定性的作用,为机床切削参数的最优化和加工工艺的性能提升提供保证。本文以数控机床铣削加工过程为研究对象,建立了以振动信号和切削力作为原始信号的刀具磨损监测实验系统,并对采集信号的消噪、特征提取和刀具状态识别等进行了系统的理论分析与实验研究。基于数学形态学的滤波方法可以将被看作具有非平稳性的原始切削力信号和振动信号中的背景信号去除,并尽可能的保留信号的原始几何特征;通过对切削力信号和振动信号的时域分析、频域分析和小波包分析可获得与铣刀磨损程度具有良好映射关系的特征量,通过基于支持向量机算法的多类分类器辨识状态效果良好。在只能获取到小样本情况下,整个刀具监测系统方案具有很好的学习性能和推广能力。考虑到数控机床整机状态监测与刀具磨损状态监测的功能融合和数控系统与监测单元之间数据交互的理论基础,结合上述监测过程提出监测单元与数控系统数据交互标准和集成监测诊断系统架构,并阐述了其实现模式和具体功能。模块化数据标准可以突破在不同设备之间的数据交互壁垒,将机床连续动态变化状态信息和控制系统内部负载参数、加工参数信息集成为原始数据,做到机床的全面信息监测回放和状态诊断功能。