在立铣刀铣削过程中，由于工件较硬、切削深度较大、采用摆线铣加工方式使刀具磨损较快、空刀段较多，无法准确识别刀具磨损状态。针对这种情况，提出了一种利用深度约束变分自编码器（deep-constrained variational auto-encoder，简称DCVAE）和极限学习机（extreme learning machine，简称ELM）的刀具磨损状态识别方法。首先，将电流有效值信号、加速度信号和声压信号进行融合，将其转化为三维彩色图像；其次，采用DCVAE模型对彩色图像中包含的数据进行降维处理，提取其中的隐藏特征信息，增加编码器以增强提取数据特征的能力，利用约束条件使特征分布进一步集中；然后，使用特征可视化技术直观表现刀具不同磨损状态的特征类聚；最后，采用极限学习机对特征进行分类识别，得到刀具磨损状态的识别准确率为95.07%。通过实验分析及模型对比表明，本研究方法抗干扰能力强、稳定性好，能够准确识别刀具磨损状态。