1.車銑刀具磨損狀態監測及預測關鍵技術研究_李威霖
這篇論文對於後期的算法研究具有重要的價值，但是再前期實驗和排布方面暫時沒有太多用處。
2. 基於 HHT 和 IPSO 算法優化 RBF 神經網絡的滾刀磨損狀態識別方法
就論文格式和排版來說，該論文具有一定的價值，可以模仿該論文的模式進行小論文的撰寫。算法和實驗都非常的普通，甚至不夠詳細，甚至自相矛盾。
3. 基於擴展隱馬爾可夫模型的刀具磨損識別與壽命預測研究
該論文為華中科大碩士論文，主要撰寫內容為數據採集及處理；刀具磨損在線識別；壽命狀態監測；最後開發了一個系統。
4. 基於力和振動融合的刀具磨損狀態辨識方法研究
該論文為西南交大的碩士論文，主要撰寫內容實驗方案設計；刀具磨損階段劃分；傳統的分析方案；神經網絡的分析方法；
該論文的前期工作中寫到採用正交實驗的方法進行了9種工況的設計，並且每一組都完成一把刀具壽命的測試，每把加工20次就損壞了。通過刀具磨損曲線和加工工件的表面粗糙度對刀具的狀態進行了反映。前期通過實際獲得了一個磨損曲線，後期將振動信號與此對應。如果使用車削加工應用此方案具有較好的效果。
如果使用滾齒刀的話，由於數量集的不足夠，一把滾齒刀可以加工3000餘齒輪，因此採用該方法十分不合適。只能採用同一工況下進行單一實驗，除此之外，由於滾齒刀使用壽命太長，齒數較多，如何反映磨損狀況也是一個問題。唯一的可行性方法是，確定一個位點，採用一種排布的方法，取他們的平均值獲得一個磨損量，然後記錄下來，或者是採用一種說得通的方法，比如最大磨損的值作為標準。
最終確定的方法是，以對刀中心接觸齒胚的那個齒附件展開的為測試中心，在其一圈上間隔取點就可以獲得數個磨損量，然後取一個平均值又可以獲得一個數值，作為磨損的參數。然後有同一類型使用次數或磨損狀態不一的齒輪就可以獲得其他階段的磨損曲線。
5. 基於深度卷積循環神經網絡的刀具狀態監測技術研究
華中科大的碩士論文撰寫內容包括刀具磨損分類和實驗（平平無奇）；某種傳統的方法；稍微好一些的另一種神經網絡方法；最後實驗對比和刀具補償。總體來說平平無奇。
6. 銑削加工刀具磨損狀態在線監控測振刀柄系統與信號奇異性分析研究
山東大學博士論文，主要撰寫內容有各種情況的發展概論；信號的採集和對比；小波變換的處理方法；支持向量機方法；信號優化和狀態檢測系統的建立。
7. 基於隱馬爾可夫模型的微銑削刀具磨損狀態監測與過程優化
中國科技大學博士論文，主要內容有：刀具磨損的形式，刀具監測的方法；銑刀刀具磨損特徵的提取；基於隱半馬爾可夫模型的微銑刀磨損在線監測；方法優化；刀具磨損信息優化；
8. 基於特徵融合的刀具磨損監測技術研究
華中科技大學博士論文，主要內容有：實驗數據採集和方案；監測特徵的提取和融合；然後是刀具磨損預測；刀具磨損分類。有趣之處是同時採用了車銑的數據，命名為刀具磨損特徵，有一定的參考價值，對應於車滾。
9. 基於深度學習的刀具磨損檢測系統的設計與實現
華中科技大學碩士論文：
刀具磨損檢測技術一般是由以下部分組成：
1. 信號採集；
2. 特徵提取與特徵選擇；
3. 狀態檢測；
第一步，獲取信號樣本，對信號樣本進行小波分析、小波包變換等提取特徵；第二步，利用改進的 3-K-Means 聚類算法進行無標籤樣本分類，為所有無標籤樣本數據打上標籤，同時輸入到多選擇多隱層神經網絡中，並對其進行有監督訓練；第三步，利用測試樣本集，將訓練完的數據用 Softamx 分類器進行分類，確定出準確率最高的多隱層神經網絡並利用梯度下降算法，對該多隱層神經網絡進行參數微調和準確度測試。
11. 基於圖像處理的立銑刀磨損在機檢測系統研發
國際標準組織 ISO 推薦的硬質合金車刀的磨鈍標準可以是下列的任何一種[53]：
（1）產生破損；
（2）如果後刀面 B 區（圖 2-2）存在有規則磨損，VB =.3mm;
（3）如果後刀面 B 區內存在無規則磨損、劃傷、剝落或有嚴重的溝痕，m
axVB =0.6 mm。
12. 銑削刀具磨損識別關鍵技術研究
對應的磨損圖加圖片
13. 基於深度學習的刀具磨損狀態監測技術研究
加工工件的對應圖片
14. 切削加工過程中振動狀態及刀具磨損的智能監測技術研究
15.滾刀磨損狀態識別方法
信息表可以模仿採集
16.基於深度學習的數控加工刀具壽命動態評估方法
多參數綜合評價的方法；