由于训练样本数量有限，滑动时间窗长度以及监测模型不能自适应调整和更新等因素，传统基于机器学习的刀具磨损预测模型存在精度和效率较低等问题，因此提出了一种基于自适应动态无偏最小二乘支持向量机（ADNLSSVM）的刀具磨损预测模型。采用公开数据库中的铣削加工数据集，通过时频域分析和小波包分解等手段从振动信号中提取特征量，并进一步利用相关性分析从中选择有效特征量作为模型输入。试验结果表明该方法所建模型具有较高的建模效率和预测精度。