随着信息技术的发展,智能制造成为制造业的发展重心。如何将车间生产过程与信息技术结合,实现准确、高效的实时车间生产过程监控,是现代机加工车间直面的难题。本文以机加工车间作为研究背景,将工件加工过程的功率数据作为监控信息的重点,分别研究大型工件和多品种中小型工件的加工过程监控技术,并开发基于功率数据的机加工车间生产状态监控原型系统,具体内容如下所示。首先,分析机加工车间的生产特点,对工件的加工工艺进行分析,确定生产状态监控系统的监控需求。对生产状态监控系统的功能模块组成进行分析,确定了系统的五大功能模块,再对系统的体系架构进行分析,包括B/S架构选择、采集信息的流程架构、云平台的运用及系统的关键技术等的确定。其次,分析大型工件的生产过程的监控需求重点,研究基于长短时记忆网络（LSTM）的大型工件加工工步识别模型的构建方法。通过工件加工过程工步的划分情况,建立工件工步数据集。利用网格搜索法对LSTM工步识别网络进行参数优化,并在相同参数条件下建立循环神经网络（RNN）进行比较。第三,分析多品种批量中小型工件的监控需求重点,比较卷积神经网络（CNN）和LSTM网络,研究基于CNN-LSTM网络的批量工件类型识别及其质量判断模型的构建方法,通过分析工件加工的质量评估标准,结合工件类型信息和功率数据建立数据集;研究基于CNN-LSTM网络的刀具磨损预测模型,分析刀具磨损的机理,建立刀具磨损数据集。对CNN-LSTM网络的参数进行选择,分别建立基于CNN-LSTM的多品种批量工件的类型识别及质量判断模型和基于CNN-LSTM的刀具磨损量判断模型。最后,进行生产状态监控系统原型设计,主要进行系统的开发与运行环境分析、功率数据采集装置选择、数据库内容的设计及功能模块的实现,介绍系统的电脑端和手机端实现。功能模块包含登录模块、设备运行及监控模块、生产信息管理模块、数据统计分析模块、设备信息监控模块及人员信息权限管理模块。表明该系统在车间生产监控方面具有较大的应用价值,为机加工车间进行实时在线生产监控提供新方案,有利于车间的生产管理和调度分配,从而推进机加工车间的信息化建设和企业的智能制造。