机械加工零件时,零件表面质量,比如如平面度,不仅与加工方法及工艺参数有关,也与加工刀具的磨损程度紧密相关,保证机床加工时刀具的良好状态非常必要。本文从刀具状态监控的间接测量方法入手,以安装在加工中心的多传感器信号为研究对象,进行了多尺度信号分解和多类型信号融合的研究,进而建立传感器信号与刀具磨损程度之间的关系。主要研究成果如下:首先,以声音信号、振动信号、声发射信号等为研究对象,在对比传统EEMD算法与自适应EEMD算法的基础上,提出了改进EEMD算法。改进EEMD算法以极值点分布状态为依据,为原信号自适应的选择最佳白噪声幅值系数和添加次数,更好的解决模态混叠现象。通过一个仿真实验,以及两个铣床切削实验,并以分解误差、正交指数和相关系数为评价指标,验证了本文方法的有效性,且改进EEMD算法相较其他方法具有更高的分解精度。其次,在应用改进EEMD对铣床切削实际传感器信号进行分解和特征提取的基础上,提出将信号特称通过区间值转化的形式,转为D-S证据理论可识别的信息,再采用证据融合理论对不同类型数据的特征进行融合,从而识别刀具的磨损状态。最后,本文通过进行铣床切削实验,实现对上述方法的实际应用验证。通过对切削实验中的刀具后刀面磨损程度,以及零件表面的平面度的测量,验证了两者的相关程度,即后刀面磨损程度越大,零件表面的平面度越差,进而体现本文方法的现实意义。