目前,大多加工企业对数控机床刀具的监测往往通过人工经验或定期停机检查,这不仅降低了生产效率,还导致刀具加工过程存在明显的数据不平衡问题。为此,提出一种融合Attention机制的门控循环单元(GRU)自动编码器模型用于刀具异常检测。该模型使用门控循环单元搭建编码器和解码器,提取时序数据的深层特征。在编码器重构部分融入注意力机制,实现对关键特征的选择,从而提高模型效率。此外,提出结合长时评价窗机制的异常检测模型,以进一步增强检测能力和稳定性。最后,通过在实验所得数据集和公开数据集上进行实验,证明该方法的有效性和可行性。结果表明该方法在不同数据集上的准确率均超过98%;与刀具状态监测领域其他方法相比,该方法无需进行大量实验来获取刀具全生命周期数据和磨损标签数据,便于刀具检测系统的开发和应用。