一般而言，刀具故障约占加工中心停机时间的7%。更严重的是，刀具故障会降低零件的加工质量，甚至损坏机器。因此，刀具磨损状态监测(TWCM)是智能制造的重要组成部分，自1968年以来一直是研究热点。
根据传感器类型，TWCM 可分为两种方法：直接法和间接法。直接法采用视觉或激光传感器。尽管其精度和可靠性较高，但实现在线实时 监控具有挑战性，因为传感器很容易受到切削液、切屑和加工环境中固有的其他元素的干扰。相反，间接法有望实现在线实时监控功能，但尽管有大量学术出版物，但其实际应用仍然有限。
一个关键障碍是选择合适的监测传感器，例如测量力、振动、温度和声发射的传感器，这些传感器不可避免地会破坏自然加工条件。麦克风传感器可以捕捉可听见的声音信号，已成为一种有前途的策略。它的潜力取决于通过主动降噪系统和可解释决策算法的开发来提高其准确性。
最近，由中国江苏科技大学李国超领导的智能制造科学家团队首次系统地回顾了基于可听声音的刀具磨损监测的现状和趋势。这项全面的工作不仅通过总结最新趋势为研究人员和制造商提供了宝贵的资源，而且还突出了四个有前途的研究方向：数据集的开发、主动去噪系统、专门的特征提取技术和可解释的决策算法的创建。
该团队在《先进制造科学与技术杂志》上发表了他们的研究成果。
“在本报告中，我们回顾了以可听声音为重点的刀具磨损监测的现状和未来方向，涵盖了十年的学术出版物，”中国江苏科技大学机械工程学院副教授李国超说，他是刀具磨损状态监测领域的资深专家。
包括深入分析加工可听声的物理性质和特点、铣削可听声的产生机理，以及信号采集、降噪、特征提取、决策算法等关键技术的进展，以及未来潜在的研究领域。
“我们相信，我们的工作可以极大地促进刀具磨损监测的实际应用，”该机构的讲师李孙表示，他同样专注于机械加工过程监测。“使用麦克风传感器收集可听见的声音信号是一种很有前途的策略，因为它们与刀具磨损密切相关，无需额外的传感器，安装方便，测量适应性强，并且不受加工环境的干扰。”
“然而，基于可听声音信号的刀具磨损状况监测的准确性目前还不够。我们的研究为研究人员和制造商提供了宝贵的见解和最新趋势，有可能促进刀具磨损监测在实际场景中的更广泛应用。”
该研究团队还包括来自中国镇江江苏科技大学机械工程学院的尚新航、杨雷和周洪根，以及来自中国兴平山西柴油机重工有限公司的付博峰等杰出贡献。