磨削加工能实现零件的高精度加工，是现代机械制造业中零件表面加工不可或缺的一种加工方法。但在加工过程中存在磨削颤振，磨削颤振会对零件加工质量产生一系列负面影响。由于磨削加工过程中振动信号的非平稳性、多维性和非线性的特点，传统的信号分析方法如短时傅里叶变换、奇异值分解和S变换等，在处理此类信号时具有很大的局限性。而二维经验模态分解（Bivariate Empirical Mode Decomposition，BEMD）具有完备性、正交性和自适应性，能够有效地提取磨床颤振特征信息以进行磨削颤振的识别和预测。识别和预测磨颤振对保障磨床正常运行、提高被加工零件的精度具有重要的工程意义。　　因此，本文以KD4020X16型数控龙门导轨磨床为研究对象，搭建振动加速度信号采集平台，采集磨床在不同磨削参数下的振动加速度信号。在此基础上，进行了振动信号处理方法、颤振状态识别和颤振预测等几个方面的研究。具体研究内容如下:　　(1)阐述了磨床振动信号分析方法、磨削颤振识别技术和磨削颤振预测技术的发展现状，总结了当前研究仍存在的问题。　　(2)提取磨床振动信号的颤振特征量。对测得的砂轮主轴X和Z轴方向的振动信号进行重构，得到二维复值信号。利用BEMD对其进行处理，得到多阶固有模态函数分量。基于个分量之间的正交特性，提出基于相关系数的固有模态函数筛选准则，并提取有效的固有模态函数。对比分析各常用特征量，提出将实时方差作为颤振特征量，并提取试验信号实时方差。　　(3)针对颤振阈值难以确定问题，建立控制图模型对磨床工作状态进行识别。选取稳定阶段的实时方差序列，在验证了正态性和相关性的基础上，结合±3σ法则求得控制图的上、下控制限并建立控制图模型。将后续实时方差按时间顺序输入控制图模型中，根据控制图判异准则对实时方差序列进行监测，进而实现了对磨床磨削颤振状态的识别。　　(4)为实现对颤振时刻的预测，提出基于控制图和ARIMA模型的磨床颤振预测方法。对稳定阶段的实时方差序列进行平稳化处理，得到平稳时间序列。求解平稳时间序列的自相关和偏自相关函数以进行模型阶次识别，建立最优的ARIMA模型。利用建立的ARIMA模型对实时方差进行预测，即预测磨床工作状态的趋势。提出基于控制图和ARIMA模型的磨床颤振预测方法，对颤振发生时刻进行预测。