作为金属切削过程的执行者，刀具在工件的切削过程中必然存在磨损和破损现象。刀具磨损状态的变化将直接影响工件质量并导致生产成本增加，从而降低产品的竞争力。因此，实时监测刀具磨损状态对加工产品质量的提升、生产效率的提高以及生产成本的降低都有重要意义。为了解决刀具磨损带来的问题，本文搭建了基于朗斯LC0151T振动传感器和凌华PCI-9221采集卡的刀具磨损监测系统。并通过正交实验设计方法获取了不同刀具磨损状态下的信号，进而对信号分别进行了时域分析、频域分析和小波包分析。其中，小波包变换不仅可以分解低频信号，而且对高频信号也进行了分解。由于小波包具有这样的优点，所以把选取小波包分解后的各个频段的能量值作为刀具磨损的特征值，并得到与刀具磨损状态相关的频段。针对振动信号与刀具磨损的关系具有非线性的特点，利用BP神经网络的非线性映射功能建立了神经网络，实现了刀具状态和振动信号特征向量的映射关系。同时还设计了神经网络的输入节点数、隐层数以及输出节点数，最终建立了基于小波包分析和三层BP神经网络的刀具磨损监测系统。本文采用了C++Builder和Matlab的混合编程技术，并开发了刀具磨损状态识别系统，实验结果证明该方法可行，效果良好。