韦杰等[21]利用 ANSYS 并且合理地设置网格划分的疏密程度，建立出一套有效 的微铣刀有限元模型。通过该模型分析四种不同悬伸量微铣刀的前 6 阶固有频率 和模态振型，证明微铣刀在外力作用下产生的振动对刀具影响很小。汪顺利，丁 毓峰等[22]利用电涡流位移传感器、数据采集卡及 labview 软件设计出可以对机床 加工过程中主轴振动状态的实时监测的振动测量系统，也可以对故障发生时的振 动信号进行分析，得出故障产生原因。牛雨生[23]通过在 MATLAB 中比较 BP 和 RBF 神经网络的非线性模型之间的差异，发现 RBF 网络相对于 BP 神经网络的振动趋 势预测误差更小。李军杰[24]想到通过减小刀尖圆弧半径以及增大刀具临界主偏角 的方法来控制铸钢件 MAN 铸造桥桥壳在镗内孔时出现的振动现象。经过试验验证 后这种降低主切削力和背向力的合力的方法具有实际意义，并可以推广。李玉和, 张弘韬[25]对比了金刚石刀具切削花岗岩、陶瓷、铸铁等不同材料时的切削力信号 和刀具振动信号，在分析了他们的时域波形和频域频谱后，发现不同材料被切削 时，相关信号的周期性差异较大。涂文特，李家春等[26]设计出一套通过多传感器 获取车削加工过程中刀具的振动和温度值，并由 PC 机接受并分析数据，实时显 示振动和温度的曲线，这样就可以通过观察参数的曲线变化趋势来实时监测刀具 的磨损状态。霍晓程，李小平[27]尝试将曲线拟合的最小二乘法应用在空间曲面的 插值算法中，结果表明最小二乘法可以拟合各种空间曲线，但是也存在计算量大， 过程复杂的问题。刘志平，石林英[28]探讨了如何用 MATLAB 函数求解不同的应用最小二乘法原理拟合的问题，发现应用最小二乘法原理时要注意误差范围。马旭， 陈捷[29]比较了切削力监测法、切削噪声监测法、功率监测法、声发射监测法、电 流监测法及基于多传感器监测法等六种刀具磨损监测法的优缺点。结果表明基于 多传感器的刀具磨损状态监测方法是判别刀具状态的最精确方法，是以后刀具监 测的发展方向。曾祥超，陈捷[30]比较了国内外各种分析刀具磨损信号方法的优缺 点，得出了基于人工神经网络的多传感器信息融合技术的刀具状态监测系统对于 信号的处理具有较高的判别精度的结论。 

从上文可知，随着现代机械加工自动化程度的不断提升，设备状态的自动监 测成为现代工业生产的重要组成部分。由于刀具在整个机械加工过程中起着极其 重要的作用，极大地影响着工件的加工质量、加工效率和经济效益，刀具监测系 统的研究日益受到国内外企业和研究者的重视。目前研究者们已经总结出刀具监 测系统的发展方向是基于多传感器的刀具磨损状态监测，并运用人工神经网络融 合多传感器信息。但是对于这个技术，现在仍然存在很多难关，例如系统的简洁 化、不同信息之间矛盾的解决、时效性、多传感器的合理选择搭配等。 

根据以往学者的研究可以看出车削加工过程中，刀具温度和刀具振动的信号 是刀具磨损程度的直观体现。所以研究找出刀具温度和振动的参数变化规律可以 有效准确的监测刀具磨损状态，本文便旨在通过初期与中期磨损刀具的车削试验， 得到刀具车削温度与车削振动的时域曲线，建立不同磨损刀具车削温升与振动加 速度及车削参数的相关性拟合公式，比较同一车削参数下，不同刀具磨损状态下 温升拟合值与实测值的差异，并进行误差分析。