En la fabricación moderna, las herramientas de corte son esenciales para los procesos de corte, y su estado de desgaste afecta directamente la precisión del procesamiento, la eficiencia de producción y la calidad del producto. La identificación del estado de desgaste de la herramienta utilizando un solo sensor es insuficiente para satisfacer los requisitos de mecanizado de alta precisión y alta eficiencia. Para abordar este problema, este artículo propone un enfoque novedoso para identificar el estado de desgaste de la herramienta utilizando tecnología de fusión de información y el algoritmo de búsqueda de gorriones (SSA) en el marco de la red neuronal de retropropagación (BP). Este método utiliza un análisis de componentes principales (PCA) para fusionar características multidominio extraídas de señales de vibración tridimensionales, señales de potencia y señales de temperatura. Posteriormente, el umbral inicial óptimo y el peso de la red neuronal BP se optimizan utilizando el SSA para evitar que la red caiga en el óptimo local y acelerar la convergencia del algoritmo. Por último, se construye un modelo de identificación del estado de desgaste de la herramienta basado en la red neuronal SSA-BP. Los resultados experimentales muestran que el método propuesto tiene una precisión de identificación del 98.33%, una tasa de precisión del 98.81%, una tasa de recuperación del 97.96% y una puntuación F1 del 98.36%.