本发明属于机械加工技术领域，提供了一种基于多任务学习的零件表面粗糙度和刀具磨损预测方法。首先，采集加工过程中的振动信号；下一步，测量零件表面粗糙度和刀具磨损情况，并将测得结果与振动信号分别对应；其次，进行样本扩充，提取特征并归一化处理；然后，构建基于深度置信网络的多任务预测模型，并将零件表面粗糙度和刀具磨损情况作为模型输出，提取特征作为输入，建立多任务DBN网络预测模型；最后，进行试验验证，振动信号输入多任务预测模型中，预测表面粗糙度以及刀具磨损状况。该方法的最大优点：一次建模实现零件表面粗糙度和刀具磨损的在线预测，充分利用了监测数据包含的隐藏信息，减少了工作量以及模型建立的成本。