Las herramientas de corte son componentes ejecutivos en el procesamiento de metales, y el desgaste de la herramienta afecta directamente la calidad de la pieza de trabajo y la eficiencia del procesamiento; monitorear el cambio en su estado es crucial para evitar accidentes y garantizar la seguridad de los trabajadores. El modelo de monitoreo tradicional no puede comprimir una gran cantidad de datos de corte de manera efectiva, fallando en obtener datos de características confiables, y presenta algunos defectos en la capacidad de generalización y la precisión del monitoreo. Con este propósito, este artículo toma los fresadores como objeto de investigación, e integra señales de sensores de fuerza, sensores de vibración y sensores de emisión acústica, combinando las ventajas del modelo de autoencoder de eliminación de ruido (DAE) en la compresión de datos y la alta precisión de monitoreo del modelo de regresión de vectores de soporte (SVR), para establecer un modelo de monitoreo de desgaste de herramientas basado en DAE-SVR. Los resultados muestran que, en comparación con los modelos tradicionales de DAE y SVR en múltiples conjuntos de datos, la mejora máxima en el rendimiento de monitoreo (MAE) es del 43.58%.