机械加工过程中,实时监测刀具磨损状态不仅可以提高刀具本身利用率,而且可以避免因刀具失效导致工件报废及机床故障等问题。传感器作为监测过程中数据获取的基础,传感器的正常工作对刀具磨损状态准确监测起着至关重要的作用。然而,在监测过程中,由于加工环境的恶劣、传感器接口松动或线路故障等问题,导致传感器突然故障,造成监测结果错误。因此,开展虑及传感器突发故障的刀具磨损状态在线监测技术对于保证生产质量、提高生产效率和降低生产成本等具有重要意义。为此,本文结合深度学习算法开展了虑及传感器突发故障的刀具磨损状态监测,采用加速度和声音传感器采集铣削加工过程中的振动和声音信息,建立了堆叠自编码器刀具磨损状态监测模型,针对传感器突发故障提出了监测模型自适应调整方法,开发了虑及传感器突发故障的刀具磨损状态监测软件,从而实现加工过程中刀具磨损状态准确高效监测。本文工作如下:首先,概述了刀具磨损机理和分析了刀具磨损状态监测信号。介绍了刀具磨损的原因、形态和过程以及刀具的磨钝标准;分析了基于多传感器刀具磨损状态监测的优势,确定了本文的刀具磨损状态监测信号为振动和声音信号,论述了监测信号的预处理方法。其次,提出了虑及传感器突发故障的刀具磨损状态监测方法。介绍了基于堆叠自编码器的刀具磨损状态监测模型,论述了堆叠自编码器模型的数学原理及训练方法;提出了在传感器突发故障的情况下,该堆叠自编码监测模型自适应调整的原理和方法;阐述了虑及传感器突发故障的刀具磨损状态监测流程。然后,建立了堆叠自编码器监测模型和仿真分析了模型自适应调整。开展铣削加工试验,采集了铣削过程中表征刀具磨损状态的声音信号、主轴振动信号和夹具振动信号;采用采集的监测信号,在MATLAB中建立了基于堆叠自编码器的刀具磨损状态监测模型;在MATLAB中模拟了传感器失效后监测模型自适应调整的各种情况,并对仿真结果进行了分析,仿真结果表明,该自适应调整方法可有效解决刀具磨损状态监测过程中传感器突发故障问题。最后,开发了刀具磨损状态监测软件。开发了基于LabVIEW的虑及传感器突发故障的刀具磨损状态监测软件,该软件具有参数设置、数据采集、刀具状态监测功能;开展铣削加工试验,验证了该软件的有效性。该软件实现了在实际加工过程中刀具磨损状态的实时监测,以及当传感器突发故障时,仍可准确地对刀具磨损状态进行监测。