仪器仪表学报

作者：王松，王琛英，张雅馨，钟倩倩，蒋庄德

单位：王松,1.西安交通大学仪器科学与技术学院西安710049； 2.西安交通大学精密微纳制造技术全国重点实验室 西安710049； 3.西安交通大学微纳制造与测试技术国际合作联合实验室西安710049,,王琛英,1.西安交通大学仪器科学与技术学院西安710049； 2.西安交通大学精密微纳制造技术全国重点实验室 西安710049； 3.西安交通大学微纳制造与测试技术国际合作联合实验室西安710049,,张雅馨,2.西安交通大学精密微纳制造技术全国重点实验室 西安710049；4.西安交通大学机械工程学院西安710049,zhangyaxin@stu.xjtu.edu.cn,钟倩倩,1.西安交通大学仪器科学与技术学院西安710049； 2.西安交通大学精密微纳制造技术全国重点实验室 西安710049； 3.西安交通大学微纳制造与测试技术国际合作联合实验室西安710049,,蒋庄德,2.西安交通大学精密微纳制造技术全国重点实验室 西安710049；4.西安交通大学机械工程学院西安710049,

关键词：多源信号融合;刀具状态监测;寿命预测;智能制造;深度学习

刀具状态监测是保障数控机床加工质量、提升生产效率及延长设备寿命的关键技术。刀具作为加工系统中的关键执行部件，其磨损、崩刃等失效形式直接影响加工精度与系统可靠性。受切削参数变化、工况波动及环境噪声等因素影响，刀具退化过程具有连续、不可逆和不确定等特征，单一传感信号在信息完整性与抗干扰能力方面存在明显不足。多源信号融合技术通过整合切削力、振动、声发射、电流、功率等多传感器信号的优势，为实现高精度、高鲁棒性的刀具在线状态监测提供了有效途径。围绕多源信号融合技术在刀具状态监测中的应用，对相关理论框架与研究进展进行了系统综述。分析了切削力、振动、声发射等常用传感器类型及其集成方式，对比了不同传感器在信号获取精度、抗干扰能力及响应特性等方面的性能差异。随后，重点探讨了数据级、特征级与决策级融合策略，涵盖滤波算法、机器学习模型及不确定性推理方法等关键技术，系统阐述了各类方法的适用场景及实现效果。结合刀具破损识别、磨损评估与剩余寿命预测等典型应用，揭示了多源信号融合在提升监测精度与可靠性方面的优势。最后，总结了当前研究挑战并提出未来发展方向，为刀具全生命周期监测提供理论依据与工程参考。

来源：2026年第1期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2026年第1期