刀具是切削加工过程中最活跃的因素之一,其状态直接影响工件的表面质量。为精确地识别刀具磨损状态,提出了一种深度学习与多信号融合相结合的识别方法。以自编码网络为基础,构建了堆叠稀疏自编码网络。采集铣刀不同磨损状态下的力信号、振动信号及声发射信号,并对上述信号进行小波包分解以便获取能够表征铣刀磨损的时频域特征。利用无监督学习和有监督学习对堆叠稀疏自编码网络进行训练,建立了深度学习的铣刀磨损状态识别模型。研究结果表明,本文所提出的多信号融合的深度学习模型对铣刀磨损状态识别准确率达到94.44%,研究结果为铣削过程的控制和工艺优化奠定了理论基础。