В процессе эксплуатации станков с числовым программным управлением (ЧПУ) контролируется достаточно большое число параметров, в том числе положение и параметры используемого оборудования, температура узлов станка, показания с датчиков вибрации и силы. Однако есть ряд параметров, значение которых нельзя отследить в ходе процесса производства с использованием станка. Одним из таких параметров является величина износа инструмента резания, которая может быть измерена лишь в периоды простоя станочного оборудования. При этом износ инструмента существенно влияет на качество результирующей поверхности. Эксплуатация инструмента с большим износом приводит к увеличению вибрации, шума, дополнительной нагрузке на другие узлы станка. Для решения проблемы оценки состояния износа инструмента резания имеет смысл использовать доступную оперативную информацию в качестве индикатора величины износа. В статье предложена реализация такого подхода путем оценки величины износа инструмента резания по данным вибрации шпинделя и сил резания. Для фиксации этой зависимости предложено использовать двунаправленные сети долгой краткосрочной памяти, поскольку этот тип нейронных сетей является одним из наиболее эффективных в задаче обработки данных больших временных рядов, проведено обучение и верификация нейронных сетей. Путем проверки на тестовой выборке выяснено, что предложенная модель позволяет определять износ инструмента с точностью 97.5 %, проведено сравнение показателей точности с другими известными в литературе методами оценки износа на основе технологий машинного обучения. Предложенный подход и модель оценки износа инструмента резания могут быть использованы в составе систем управления станков с ЧПУ.