刀具是机械生产中最重要的加工要素之一,其磨损不仅影响工件的尺寸精度和表面质量,而且会导致机床的振动冲击进而对机床的精度造成影响,同时也会间接影响加工效率和生产成本。因此,刀具磨损状态的监测变得越来越重要,目前已成为国内外学者研究的热点问题之一。本文针对铣削刀具的磨损问题进行研究,通过视觉传感器获取刀具加工之后的工件表面纹理,根据刀具磨损图像的特点,利用卷积神经网络直接从图像中提取样本的特征信息,得出刀具的磨损等级。通过实验结果证明,采用卷积神经网络能有效减少人工设计特征的工作量,具有较高的识别率。论文的主要研究内容如下:首先,从理论角度分析了刀具的磨损机理,并使用白钢立铣刀加工硬铝合金进行实验。实验结果表明:随着刀具磨损的加剧,工件表面纹理呈现出越来越恶化的现象。基于此,提出了基于工件纹理的图像处理方法。其次,针对传统模式识别方法的缺点,提出了改进的卷积神经网络算法。根据刀具磨损的特点,对卷积神经网络中的参数以及训练算法进行优化,并与其它算法进行对比,验证了算法的优越性。再次,针对现有刀具磨损监测仪器体积大、成本高及不能实现在机监测等问题,根据图像采集方式及算法的特点,设计了基于FPGA和DSP的嵌入式刀具磨损监测系统,所设计的系统具有集成化和智能化等优点。最后,为验证所设计的刀具磨损监测系统的可行性以及所提算法的正确性,进行了实验研究。结果表明:所设计的系统能够完成刀具的磨损监测任务,所提出的改进算法能够以很高的准确度判断刀具的磨损程度。