准确预测刀具寿命是提高零件加工质量和效率的关键技术手段。刀具寿命预测涉及轮槽加工过程中的加工工艺数据、过程监控数据、刀具磨损和零件表面质量数据等。然而,上述数据存在不完备、不准确的问题。一方面,由于声发射传感器采样频率快、监测过程存在死机现象,导致声发射数据部分丢失;因生产成本限制无法在加工每条轮槽后停机测量刀具磨损量,导致刀具磨损量数据缺失。另一方面,由于声发射传感器的工装、夹具松动,耦合剂分布不均等导致声发射监测数据不准确。数据的不完备、不准确性降低刀具寿命预测准确度,导致换刀过早或过晚的问题,过早换刀降低刀具加工寿命,增加刀具成本;延迟换刀则可能导致零件质量超差甚至报废。为此,亟需开展面向刀具寿命预测的转子轮槽加工数据质量评价与优化方法研究。本文的主要研究内容包括:首先,针对转子轮槽加工数据类型多样,难以进行数据质量评价,无法准确发现不完备、不准确数据的问题,建立了三级数据质量评价体系。采用基于重要度的层次分析法为加工工艺数据和刀具磨损数据赋权;综合考虑层次分析法与变异系数法对过程监控数据赋权。基于位运算计算声发射数据的完备性,建立基于测量不确定度的准确性评价方法实现对声发射数据的准确率计算。分析得到转子轮槽加工数据质量评分0.8865,其中声发射数据呈现明显数据质量问题:一条声发射记录包含14种属性,总体完备率达0.8687,但完整包含14种属性的记录仅占30.53%;总体准确率达0.9165,但上升时间与峰值计数准确率分别低至0.6099与0.6804。其次,针对上述具有明显数据质量问题的声发射监测数据,提出了一种基于局部敏感哈希k邻域算法的数据质量优化方法。利用历史数据中的高质量数据集建立哈希表,并根据数据质量水平构建参考数据集动态更新模型,最终实现对不准确、不完备声发射数据的分层循环优化。优化后的数据质量总分为0.9754,其中声发射数据完备率优化至1.0000,声发射数据准确率优化至0.9509,上升时间与峰值计数准确率分别优化至0.8925与0.9012,分别提高46.33%和32.46%,实现了声发射数据质量的有效提升。最后,针对声发射数据质量优化程度有限,数据集可能依旧存在部分异常点,导致仅依赖数据质量优化来提升预测效果存在瓶颈的问题,建立基于近端梯度的鲁棒性主成分分析和相似性的稳健刀具寿命预测模型,实现预测效果的二次提升。通过鲁棒性主成分分析对声发射数据集进行低秩子空间和稀疏子空间分离,降低残留异常数据的影响,在此基础上进行刀具寿命的预测,相比于用传统方法,数据样本D1的平均绝对误差下降至0.1299,下降52.3%;数据样本D2的平均绝对误差下降至0.1117,下降76.8%,显著提升了刀具寿命预测的准确度。