镗削加工过程中，特别是深孔镗削时很容易发生颤振。颤振的发生会降低加工表面质量，缩短刀具寿命，以及限制机床的加工能力。现有的颤振监测方法，大多采用与加工过程直接相关的振动、切削力和声音信号，并不适合在加工现场推广应用。本文研发了一种基于主轴电机电流信号的镗削颤振监测方法，其主要研究工作如下：根据工程化的应用需要，分析了基于电机电流信号进行镗削颤振监测的可行性，并分析了可能存在的问题。针对镗削颤振监测的功能需求，完成了总体方案的设计，并设计了相应的试验系统以及试验方案；为了获得对颤振敏感的监测信号，研究了切削过程信号的截取方法，而后对主轴电机电流以及进给轴电机电流在时域和频域进行了对比分析。最终选用了主轴电机电流进行镗削颤振监测，并采用了基于小波包分解的去噪方法对信号进行预处理；为了获得用于模式识别过程的最优特征集，根据信号在颤振发展过程中的变化规律提取了相应的时域和频域特征量，进而采用了基于距离评价技术以及相关分析的方法进行特征选取，最终获得的最优特征集包括均值、峰值、标准差、一步自相关函数以及频域中心；为了及时发现镗削颤振的征兆，选用了概率神经网络进行模式识别，并采用了一种主动学习方法对神经网络进行训练。试验验证结果表明所建立的模型获得的分类准确率不低于95%，能够满足颤振监测应用的要求。