随着高速高精数控加工技术的发展以及难加工材料在重型装备上的广泛应用，切削颤振已成为数控加工中提高生产效率和加工精度的主要障碍之一。经典的时频分析方法如小波分析等由于以线性傅里叶变换为基础，在非线性、非平稳切削颤振信号的征兆特征准确提取中存在本质上的不足。本文以经验模态分解方法为基础，研究切削颤振信号的多层自适应分解方法以利于切削颤振的快速有效识别。在介绍经验模态分解中的两个核心概念瞬时频率和本征模函数的基础上，分析应用经验模态分解方法对时域信号依据信号的时间尺度特征进行自适应分解的理论基础与步骤，讨论经验模态分解方法的特点。以叶轮铣削加工为研究对象，采用经验模态分解方法对加工过程中的主轴振动信号进行自适应分解，从本征模函数中提取均方频率和一步自相关函数作为切削颤振敏感特征量，分析其在时间尺度上相对于切削振动信号振幅变化的超前性并将其作为对切削颤振进行识别的可能量。以最小二乘支持向量机作为分类算法，对叶轮铣削加工过程中的切削振动状态进行准确识别。针对数控加工切削颤振的实时监测问题，开发基于经验模态分解方法的监测模块并将其成功嵌入到研制的某机床实时监测系统中。该系统具有良好的跨平台性和可扩展性，能够实现与不同数控系统的对接。在硬件设计方面，提出该监测系统的总体框架和传感器等硬件选型。在软件方面，以Qt开发界面，以C语言实现以经验模态分解方法为核心的信号分析模块。通过300M钢铣削加工和叶轮加工实验，验证经验模态分解方法对切削颤振进行识别的有效性和实用性。