磨削加工是一种高精密加工工艺，但在磨削过程中某一强迫激励的频率可能与磨床磨削系统的某一薄弱固有频率接近，将会导致磨床发生共振，严重影响零件的加工精度。磨削加工过程中的振动信号是典型的非平稳、非线性信号，因此从振动信号中提取能够反映磨床故障状态信息的特征量，成为解决磨削加工质量的首要问题。传统的振动信号处理都是以傅里叶变换为其理论依据，是基于全局性的信号处理方法，因而在分析过程中容易产生假频和虚假信号等矛盾现象，对于分析非平稳信号，缺乏物理意义，而数控机床磨削动态过程为非线性时变系统，输出为非平稳、非线性信号。针对上述问题，在浙江省基金的资助下，本文结合浙江省自然科学基金重点项目（LZ13E050003），从磨床磨削加工过程中的振动入手，以大型数控导轨磨床为研究对象，使用希尔伯特黄变换(HHT)对磨床磨削过程中振动产生的非线性、非平稳信号进行分析处理，提取磨削颤振特征量。采用最小二乘支持向量机(LSSVM)作为识别分类器，找出磨削颤振特征量与磨床磨削状态之间的映射关系，作为识别和判断磨床发生颤振现象的方法，为磨削的在线监测及工程应用提供理论依据。本文的主要内容和结论如下：首先叙述磨削颤振的国内外研究现状及研究趋势，并简要说明国内外在振动信号处理方面的研究现状及存在的问题。提出利用高精度的HHT方法来分析和处理获得的磨削振动信号，提取磨床从平稳磨削到颤振的过渡过程中变化明显的特征量，找出颤振特征量与颤振之间的对应关系；其次根据对磨削过程中振动信号的特点，选择合适的传感器及信号采集系统，搭建磨削颤振实验平台。通过改变不同的磨削参数，采集及保存磨床在不同工作状态下的振动信号，为数据处理及后续研究内容的开展提供实验数据；最后将LSSVM引入到磨削颤振的判断和识别中。应用基于HHT提取的磨削颤振特征量-实时方差和瞬时能量变化对其进行训练及学习，构建磨床磨削颤振的诊断模型，实现对磨床颤振的判断和识别。通过磨削试验采集到的振动信号对此方法的验证，证明了本文提出的基于HHT和LSSVM的磨床磨削颤振的识别方法可以作为判断和识别磨床发生颤振的依据。