在航空、航天、发电等领域,经常会用到各式各样的薄壁框架类零件。这些薄壁件结构复杂,在加工过程中容易产生颤振现象。颤振已经成为制约薄壁件高精、高效加工的主要因素之一,目前如何抑制颤振的发生是国际公认的难题。在此背景下,本文对铣削稳定性预测以及在线颤振监测抑制技术进行了深入研究。薄壁件在加工过程中同时存在铣削力导致的工件变形量大和振型沿刀轴方向变化明显的特点,针对这些问题本文建立了考虑力致变形的多点接触动力学模型。首先,对铣削力进行了建模,并考虑了铣刀螺旋角的影响;其次,提出了一种变形量迭代提取方法,借助Workbench软件提取了不同轴向切深处由于铣削力导致的工件变形并进行了拟合。然后,对工件进行了模态分析,提取了工件的模态振型并进行了拟合。最后,将刀-工接触域沿刀轴方向进行了离散,计算了各节点处的振型和由于铣削力导致的工件变形,综合这些因素建立了考虑力致变形的多点接触动力学模型。最后以钛合金（Ti6Al4V）为研究对象,与未考虑力致变形的多点接触动力学模型进行了实验对比,证明了所提模型的准确性。在此基础上,研究了不同刀具磨损状态对铣削稳定性的影响,建立了考虑刀具磨损的三维稳定性叶瓣图,并进行了实验验证。针对铣削加工过程中颤振难以监测的问题,提出了基于信号自适应分解技术的多尺度排列熵颤振特征提取方法。首先,对信号自适应分解技术进行了研究,针对变分模态分解参数难以选择的问题,提出了以最大包络谱峰值因子作为适应度函数,利用粒子群算法来优化变分模态分解参数的自动选择方法。其次,对铣削信号的多尺度排列熵模型进行了研究,分析了其应用于铣削颤振监测的可行性。然后,对自适应分解后的信号进行了基于能量占比的重构,并提取了重构信号的多尺度排列熵应用于铣削颤振的监测。最后,对优化的变分模态分解算法、未优化的变分模态分解算法和经验模态分解算法处理后信号的多尺度排列熵特征进行了对比分析,并依此选择了应用于颤振在线监测最优的特征提取方法。针对传统的颤振识别模型难以动态更新,导致其准确性和泛化性能差的问题,提出了基于多传感融合的在线进化颤振识别模型。首先,对各种传感器的性能进行了分析,选择了最佳的多传感融合方案,并针对各传感器的特点提取了不同的特征。其次,针对传统的K-Means模型随着样本的积累,会导致模型无限膨胀,聚类时间大幅增加,难以满足在线聚类要求的问题,提出了增量-稀疏K-Means算法。然后,针对在线贯序极限学习机,直接利用自己预测的样本进行学习,而不判断预测结果是否准确的问题,提出了将无监督学习和有监督学习相互结合的颤振在线进化模型,并对模型进行了设计。最后,对提出的多传感融合方案和在线进化模型进行了实验验证与对比。为了能够实现颤振的在线抑制,对颤振监测与抑制的应用技术进行了研究。首先,对铣削颤振的抑制方法进行了研究,着重的研究了离散变主轴转速抑制颤振的机理。其次,对实时采集平台的软硬件进行了搭建,研究了Windows+RTX技术,解决了Windows操作系统实时性弱的问题。同时,对Fagor数控系统进行二次开发,打通外部控制模块与数控系统内部数据交互的通道。然后,结合前文提出的颤振特征提取方法和颤振识别方法,对颤振智能监测抑制模块进行了设计,并将该模块集成于Fagor开放式数控系统。最后,在验证了薄壁框架类零件侧铣稳定性预测准确性的基础上,通过稳定性叶瓣图对薄壁框架零件侧铣颤振抑制的初始切削参数进行了选取,并利用所开发的颤振智能监测抑制模块对无磨损刀具和磨损刀具加工过程中的颤振现象进行了在线抑制验证。实验结果表明,开启颤振智能监测抑制模块可以显著提高工件表面质量,在本文的两组实验中,表面粗糙度分别降低了63.5%和57.3%。