数控机床加工过程中的动力学特性能够反映其加工情况。目前获取机床动力学特性参数的方法主要有实验模态分析法和工作模态分析法。其中,实验模态分析是通过给机床结构施加激励以同时获取其输入输出信号,求出频响函数进行机床结构动力学特性参数辨识。工作模态分析则直接根据机床在运行过程中测得的功率谱密度函数进行动力学特性参数辨识,它弥补了实验模态分析法只能辨识结构静态模态参数的缺陷。目前对机床精度的要求逐步提高,机床动态下的动力学特性越发受到关注,工作模态分析方法也获得了越来越多的重视。此外,随着传感器技术的发展,机床在加工过程中产生了大量数据,而传统的工作模态分析法离不开人工操作,如何利用工作模态分析法从这些数据中快速方便地获得机床加工过程中的动态特性参数就成了现阶段的研究难点。本文引进粒子群算法这一群体智能算法来解决这一问题,通过将算法与工作模态辨识方法相结合,对机床在加工过程中的结构模态进行自动分析,获得模态参数中的固有频率和阻尼比信息,并与传统的LMS方法进行对照,验证分析结果。首先引入粒子群算法理论,阐述其原理,接着简要介绍了实验模态分析法和工作模态分析法的原理,最终通过设计粒子群算法的目标函数建立了利用算法进行结构模态参数辨识方法的理论。其次,为了深入了解粒子群算法的性能特点并验证新方法的可行性,先将粒子群算法应用在简单的传递函数仿真实验中,再根据仿真实验的结果对这一方法进行了改进,利用改进后的方法对简单结构悬臂梁的敲击实验获得的频响函数进行模态参数中的固有频率辨识,证明了该方法的有效性。最后,将该方法应用到机床动态工况下的结构模态参数辨识,实现加工过程中机床结构模态的自动分析。由于机床运行过程中产生的输出信号中会包含有较大的噪声和谐频信号,因此这里引入了一种较为简单有效的降噪去谐频的方法。分别针对数控铣床的空运行数据和数控车床的切削数据进行了分析,其中固有频率参数的辨识结果与LMS相比误差大都在1%以内,说明粒子群算法与模态分析理论相结合的方法可以应用于机床运行工况下的模态参数自动分析,具有广泛的应用前景。