数控系统在智能制造装备系统中占据极其重要的地位,且向无人化、集成化和自动化的方向不断发展,其加工效率、加工成本和加工质量与刀具的健康状态息息相关,因此研究刀具健康监测技术显得尤为重要。随着自动化技术、传感技术和信息化等技术的飞速发展,刀具健康监测系统可以轻而易举地获取海量数据,获取的磨损状态信号呈现工业大数据多源异构的特性。传统的处理刀具健康监测的方法多通过信号特征提取、特征选择后进行模式识别达到刀具状态识别的目的,这种方式不仅依赖于大量的专家知识和极强的信号分析理论且耗时耗力,很容易受到人为主观因素影响,因此本文提出用深度学习算法处理刀具数据,从而充分利用刀具健康监测系统的多传感器信息,实现刀具多源异构大数据的融合。