随着机械工业的迅速发展,新型材料的不断出现,深孔加工的难度越来越大.在深孔加工过程中常常发生刀具急剧磨损、破损、突然崩刃或断齿,造成工件孔表面损伤,钻杆扭弯、断裂,甚至机床损坏等严重后果,严重地影响着深孔加工的质量和生产率.为实现在保证质量的前提下提高生产率降低生产成本,这就需要实施深孔加工状态监测的研究.由于深孔加工工况复杂,仅借助单一传感器提供的信息难以实现诊断目标,因此本文采用了基于人工神经网络的多传感器信息融合技术.神经网络具有学习能力、容错能力和高度的非线性映射能力等优点,从而使得诊断结果更为可靠.该文作者采集了深孔加工过程中刀具正常和异常两种状态下的力、扭矩、水平方向和垂直方向振动信号.在特征提取过程中,应用各种时域和频域分析方法对所采集的信号进行了分析处理.经过分析分别提取了力信号的均方值指标、功率谱谱峰幅值和水平振动信号的脉冲指标、AR模型的残差方差作为特征量,然后送入神经网络融合中心进行融合处理.融合结果表明力信号对刀具状态的分类效果要好于水平振动信号的分类效果;同时采用多传感器融合比单一传感器对刀具状态的识别率高.