主轴高速化发展在提高切削加工效率的同时,也带来了切削过程中振动的不确定性问题,使正常的切削状态可能会演变为远程故障失稳。研究铣削机床远程故障的在线辨识,保证切削加工过程稳定进行,具有重要研究意义和应用价值。针对远程故障在线辨识多是基于单一特征域指标的问题,研究了多征兆域远程故障敏感特征提取方法。铣削机床远程故障特征信息受时变强切削激励干扰,往往难以及时发现。首先,利用强迫振动频率滤波和远程故障敏感频带谐波滤波预处理方法实现了远程故障成份的相对能量和信噪比的提高;其次,综合运用多种信号处理技术从时域、频域、时频域和非线性时间序列特征角度分析远程故障信号,共提取了63个特征指标以保证铣削机床状态辨识所需信息的完备性和有效性;利用基于距离的特征评估技术剔除原始特征集中的不相关或冗余特征,筛选出对铣削远程故障状态敏感、信息互补的最优特征子集,实现了远程故障特征集的降维。最后,通过对稳定铣削和远程故障状态下振动信号的分析确定了远程故障敏感特征子集。针对铣削机床远程故障在线辨识研究不足的问题,研究了铣削机床远程故障在线辨识方法。提出了4种相互独立的远程故障在线辨识指标,即利用自组织神经网络（SOM）技术对远程故障敏感特征子集进行特征融合构造的最小量化误差指标MQE,标准差比指标SR,基于铣削信号时序模型和带遗忘因子的最小二乘方法构造的模型残差指标a（k）和模型特征根指标R;研究了基于EMD的在线辨识指标曲线“毛刺”消噪技术,获得了更为平滑的远程故障辨识指标曲线变化趋势;研究了远程故障报警阈值设置的3σ准则和基于在线辨识指标决策融合的报警机制;设计了变切深铣削机床远程故障实验和频响函数测试实验方案,通过两组实验验证了远程故障在线辨识方法的有效性。开发了铣削机床远程故障在线辨识系统。结合上述研究成果,开发了具备常规谱分析功能和远程故障在线辨识功能的监测系统,该系统能够为实际生产加工中铣削机床状态的辨识提供决策手段。