磨削加工是现代机械制造业中不可或缺的一种用来获取高精度、低粗糙度的零件加工表面的工艺方法。对磨床进行状态实时监测和故障识别诊断来确保磨床长期稳定可靠运行具有有重大现实意义和产业价值。需要注意的是，在加工过程中，磨床会进入颤振的状态，从而引发一系列负面影响。因此可靠的颤振监测和识别技术是必不可少的，以实现磨床振动状态的实时监测。　　以傅里叶变换为理论基础的传统时频信号处理方法不适用于非线性、非平稳和多维的磨床振动输出信号。二维经验模态分解(Bivariate Empirical Mode Decomposition，BEMD)扩展了EMD的能力，能将二维复值信号分解为一系列零均值的旋转成分。BEMD不仅能描述非线性动力学行为，而且能节约计算时间，并移除计算中由于假设和人为原因产生的失真。其在检测初始故障方面表现出更强的能力，能有效地分析并提取非平稳、非线性磨床颤振信号特征。　　本文以KD4020X16数控龙门导轨磨床为研究对象，根据磨床自身的动静态特性搭建了颤振检测试验平台，进行了磨削参数多水平试验。利用IEPE压电加速度传感器和配套的TST5912动态信号分析仪对振动信号进行采集和保存，得到不同磨削参数设定下的80组实验样本数据，其中包括45组平稳磨削振动信号和35组颤振磨削信号。　　本论文对实验过程中采集到的砂轮主轴X和Z方向的振动信号进行信号重构，进行BEMD处理得到多阶BIMF分量;利用基于相关系数的真实固有模态函数提取准则筛选出真实BIMF;提取出对颤振信号敏感的指标量—峰峰值、实时方差、峭度以及瞬时能量，分别进行求和与归一化处理形成颤振特征向量;最后以最小二乘支持向量机作为(LeastSquare Support Vector Machine，LSSVM)智能化模式分类器对随机选取的55组样本数据的特征量进行训练，得到颤振检测识别模型，以剩下的25组样本数据作为检验样本，对识别模型进行检验和判断，验证其准确率及可行性。证明了基于BEMD与LSSVM的方法具有较好的识别率。　　通过上述方法，建立了大型数控磨床磨削颤振检测软件，验证了其实时监测磨床振动状态的可行性。