铣削力是表征铣削加工状态的重要工况信号，铣削力高精度的实时监测技术是实现加工过程智能化的基础之一。相比于使用测力仪的铣削力直接监测方式，通过电机电流进行铣削力的估计是一种更加简便且低成本的间接监测方式，且更适合于在工业生产中推广应用。现有的基于驱动电流的铣削力估计方法是一种静态的方式，仅能够对铣削力的幅值或均值进行估计，而在基于铣削力的刀具破损、颤振等状态监测中，相比铣削力的幅值或者均值，动态铣削力的时变波形更加重要，而现有的铣削力估计方法无法精确的对铣削力波形进行估计。针对上述问题，通过对基于驱动电流的铣削力估计原理的深入分析，确定了影响估计精度的关键因素是进给系统的摩擦与惯性负载对电机电流的影响，据此设计了总体的研究方案，并搭建了相应的实验系统。针对进给系统的非线性摩擦严重影响基于驱动电流的铣削力估计精度的问题，以进给系统的摩擦特性分析与相关摩擦实验为基础，指出了经典的LuGre模型在宏观滑动区域与预滑动区域对摩擦的描述与实测数据不符的问题，通过分析确定了误差产生的原因，提出了适用于机床进给系统的摩擦模型，并在多台机床上验证了此模型的准确性。针对进给系统的惯性对基于驱动电流的铣削力估计精度的影响，研究采用模型参考自适应技术与Landau递推算法相结合的方式进行转动惯量的实验辨识，同时分析了算法的关键参数自适应增益率对辨识效果的影响，就不同实验参数下最优的自适应增益率的取值进行了分析，并通过实验验证了算法的有效性。在使用电流估计为铣削力时，针对现有的电流-铣削力的线性映射方法存在的问题，分析确定了误差产生的原因，并结合实际铣削力的特点提出了一种分频映射的非线性高精度铣削力映射算法。最后，通过设计多组不同加工参数的单轴恒速铣削实验以及多轴联动的变速铣削实验，在不同进给速度、切宽与切深、主轴转速下进行了实验验证。与现有铣削力估计方法的估计结果的对比表明，本文的铣削力估计方法能有效减小铣削力的最大相对估计误差50%左右。