随着制造业的迅猛发展,数控机床在制造业中扮演的角色越来越重要。其发生故障的概率也大大增加,发生故障就意味着损失,所以对机床进行健康状况评价就变得非常有意义。本文研究了一种基于主轴电流与主轴振动信号特征提取及信号综合处理方法,并将该综合方法应用于机床加工过程中运行健康状况的评价,完成的具体工作如下:首先,利用小波包分解对机床主轴电流与主轴振动信号进行多层次分解,并且将最底层的信号的能量值作为基础特征,利用费舍尔判别分析,主成分分析和改进K均值算法等数据挖掘算法对基础特征作进一步的提取。其次,采用逻辑回归的方法对已提取的特征信息进行健康评价模型训练,并通过迭代求平均的方法将逻辑回归算法进行改进。最终形成多状态的回归模型。最后,在XHK715加工中心上进行了实验研究,通过对不同组态的实验进行训练和验证。实验结果表明健康模型的有效性,且训练状态越多,模型的准确性越高,健康评价的结果也就越精确。本文通过理论推导和实验验证证明了所研究健康评价模型的正确性与有效性,该方法同样可以应用于机床的其他部件健康评价,也可用于机床加工状态的早期预警,还可用于其他类似设备的健康评价。