先进工程材料的应用和高速加工技术的发展对刀具性能提出了更高要求。TiB2陶瓷以优异的物化性能和力学性能成为最有潜质的刀具材料之一,但韧度的不足严重限制了它的开发应用。因此,本文结合TiB2陶瓷的增韧需求和先进刀具材料的性能要求,设计优化出微观组织和力学性能优良的TiB2-ZrC金属陶瓷刀具材料;验证刀具连续干切削Ti6Al4V时的切削性能;并且基于深度学习理论实现新型刀具服役过程中磨损状态的监测识别。实现“设计-制备-切削-监测”于一体的刀具设计理念。首先在不同烧结温度下热压烧结制成纳米碳化物增韧的TiB2-ZrC金属陶瓷刀具材料。评估纳米碳化物与烧结温度对物相组成、微观结构和力学性能的影响,讨论力学性能与微观结构的关系,揭示了纳米碳化物和烧结温度对TiB2-ZrC金属陶瓷刀具材料的增韧机理。研究发现TiB2-ZrC金属陶瓷刀具材料中生成的黑核-灰壳结构有助于强韧度的提高,纳米碳化物添加相可显著减小TiB2的晶粒尺寸。碳化钒（VC）和碳化铌（NbC）的引入显著改善了材料的抗弯强度和硬度,而VC和碳化钽（TaC）的引入显著地提升了材料的断裂韧度。刀具材料的晶粒尺寸、致密度和力学性能在烧结温度为1650°C时达到最佳。本研究中,典型的核-壳结构、VC的固溶强化、TaC的钉扎效应以及裂纹偏转和裂纹分叉共同提高了TiB2-ZrC金属陶瓷刀具材料的力学性能。之后以切削力和工件表面粗糙度为优化目标,基于响应面试验法研究了TBV1650刀具连续切削钛合金Ti6Al4V的切削性能。结果表明,切削深度和进给量分别是影响切削力和表面粗糙度的最重要因素。以切削力为优化目标时的最优切削用量为vc=120m/min、ap=0.16mm和f=0.1mm/rev,切削长度和切削时间分别为1326 m和13.3min。验证试验中切削分力Fa、Fr和Fv的预测误差分别为5.64%、18.11%和9.14%。以粗糙度为优化目标时,刀具的最优切削用量为vc=100m/min、ap=0.15mm和f=0.1mm/rev,切削长度和切削时间分别可达到3233m和29.4min。验证试验中表面粗糙度Ra的预测误差为3.19%。由于较高的断裂韧度和表面硬度,刀具的主要磨损机理为粘结磨损和扩散磨损。最后针对刀具服役过程中传统刀具磨损状态识别方法成本高、效率低等问题,提出一种基于深度学习的卷积神经网络实现刀具磨损状态的监测识别方法,将信号自适应特征提取与刀具磨损状态识别相结合,利用切削力时域信号直接判别刀具磨损状态。研究表明基于卷积神经网络的刀具磨损状态监测精度可达94%以上。