随着制造技术的不断发展,加工过程稳定性问题,特别是切削颤振已经成为制约加工效率提高的主要因素之一。目前,很多学者已经对切削颤振产生机理、在线监测技术和稳定性Lobe图计算方法进行了研究,但由于机床结构和加工过程的复杂性,现有研究成果对实际加工过程的指导作用比较有限。因此,本文在总结相关领域研究现状的基础上,重点研究了立铣加工过程稳定性及切削颤振在线监测方法。研究了稳定性Lobe图必需的刀尖频响函数预测方法,探讨了主轴-刀柄和刀柄-刀具结合面参数辨识方法,并分析了各个结合面参数对稳定性Lobe图的影响；研究了机床相对动柔度劣化趋势及其对稳定性Lobe图的影响；研究了切削颤振在线监测方法。以主轴-刀柄-刀具系统为研究对象,给出了Timoshenko梁和弹性支撑的传递矩阵,给出了主轴、刀柄和刀具子结构端点频响函数预测方法,给出了主轴、刀柄和刀具耦合方法,提出了一种刀尖频响函数预测模型。研究结果表明,和模态叠加法相比,该刀尖频响函数预测模型得到的前七阶固有频率的最大误差减小了35%,计算效率提高了50%。研究发现,主轴-刀柄和刀柄.刀具结合面参数是影响机床刀尖频响函数预测精度的主要因素之一。为提高机床刀尖频响函数预测精度,结合Timoshenko梁理论和传递矩阵法,得到了刀柄和刀具端点频响函数；并通过柔度耦合子结构分析(receptance coupling substructure analysis, RCSA)和改进型粒子群优化算法(Particle Swarm Optimization, PSO),重点研究了主轴-刀柄和刀柄-刀具结合面参数辨识方法,并分析了各个结合面参数对稳定性Lobe图的影响。实验结果表明,本文提出的结合面参数辨识模型精度较高,普适性强,能广泛应用于固定结合面的参数辨识。以四自由度立铣切削过程动力学模型为基础,给出了机床相对动柔度计算公式,提出了机床相对激振实验方案,提出了机床相对动柔度评价指标。基于广义隐马尔科夫模型(Generalized Hidden Markov Model, GHMM)和重心法,提出了机床相对动柔度劣化趋势预测模型,并分析了机床相对动柔度劣化过程对稳定性Lobe图的影响。研究结果表明,该预测模型能很好地解决实验数据的小样本问题,具有较高的预测精度,可以为立铣加工过程提供动态的稳定性Lobe图。基于小波包分解和奇异谱分析方法,提取颤振发生频段能量比系数和奇异谱熵系数作为颤振特征。提出了基于PSO和局部搜索算法的BP神经网络模型,完成了切削状态识别,实现了切削颤振的在线监测。研究结果表明,该方法能有效辨识稳定、过渡和颤振切削状态,识别率达到95%。