在切削加工过程中,刀具磨损或破损时,会直接影响加工零件的质量,刀具破损严重时,甚至会导致零件报废、切削过程中断、机床损坏,将会造成巨大的经济损失;因此,实时准确掌握刀具磨损、破损程度,对提高产品质量,提高生产率,节约加工成本等具有重要意义。论文以切削力为车刀磨损监测信号,对车刀磨损识别方法进行了研究。主要研究内容和成果如下:(1)研究车刀磨损力信号特征提取方法。用时域分析、频域分析和时频分析等信号处理方法提取力信号特征和依据相关系数选取了30个对车刀磨损比较敏感的特征,对加上切削参数V_C、a _p、f共33个的特征量进行融合,数据处理后共得600个33维的样本数据,将样本数据分为训练集和测试集,并用核主元分析(KPCA)特征优化技术将33维的特征向量变为7维,大大提高了后续模式识别的求解速度和精度。(2)研究车刀磨损状态识别方法。针对车刀磨损状态的识别,构建了C4.5决策树、剪枝优化决策树和随机森林三种识别模型,对模型性能进行了检验,三种模型的识别准确率分别为95.00%、96.67%和99.17%。(3)研究车刀磨损量识别方法。针对车刀磨损量的识别,改进常规的BP和SVM模式识别方法,构建了GA_BP、BP_AdaBoost和GA_SVR三种模型,模型对车刀磨损量的识别平均绝对误差都在0.0127mm以下,均方根误差都低于0.0170mm。