当今社会,随着科技的日益进步,自动化程度越来越高,而机械制造业作为国家工业化水平的重要标志,也不断的发展起来,金属切削加工是机械制造中应用最为广泛的加工方式,在加工过程中,刀具又是最基本且非常必要的生产要素,因此,如何保证刀具正常工作,提高刀具性能,对刀具磨损状态进行监测成为关键。本论文以Kistler9257B测力仪、8702B50M1振动传感器等为信号采集元件用于采集监测信号,在信号分析处理和状态识别方面,主要利用MATLAB平台,以刀具不同磨损状态的切削力和振动信号为研究对象,提取信号的时域、频域及时频域等参数作为特征向量,得到与刀具磨损敏感的特征值,通过对粒子群优化算法的研究发现,粒子群优化算法具有概念简单易于描述,需要调整的参数较少,实现比较容易,收敛速度快等优点,因此将其用于优化BP神经网络以对刀具磨损状态进行识别,相对于传统的BP神经网络来说,应用粒子群优化算法优化的BP神经网络在刀具磨损状态识别中更具优势。刀具磨损状态监测系统是在现代信号分析方法与粒子群优化BP神经网络结合的基础上建立的,实验研究表明,充分利用加工过程中切削力信号和振动信号的有效信息,并利用粒子群优化BP神经网络进行状态识别,可大大地提高识别速度和准确性,这对生产过程的监测具有一定的实际意义。