刀具磨损监测对于提高加工产品质量至关重要，也是实现智能制造的核心技术。近年来，刀具磨损监测获得了工业界和学术界的高度关注。然而，基于物理模型的监测方法难以对复杂的加工过程精确建模；而数据驱动方法高度依赖于测量数据，工业泛化能力不强。为了解决上述问题，课题组提出了一种数模型混合驱动的概率状态空间模型，旨在提高刀具磨损监测的准确度和稳健性。

与传统刀具磨损监测方法相比，所提的方法能够提供实时准确的刀具磨损状态信息，帮助操作人员及时调整工艺参数和刀具更换计划，避免过早报废或过度使用，实现刀具寿命的最大化。此外，该技术能够提升加工过程的一致性和可靠性，提高工件的加工质量和精度，有望为规模化智能制造提供有力工具。

该研究成果已被机械领域顶级期刊Mechanical Systems and Signal Processing录用，链接：https://authors.elsevier.com/a/1hQUx39%7Et0fesF