机械制造过程中的切削颤振不仅会影响产品加工质量和生产率，还会使刀具与机床设备的使用寿命降低甚至损坏，随着加工过程自动化程度的不断提高，切削颤振所引起的这些不利影响将更加严重，因此对切削加工过程中的颤振进行有效监控，一直是国际生产工程界广泛关注的研究课题。为此，该成果针对切削颤振过渡过程信号信息量大、非平稳、信号特征重复再现性差的特点，首次引入隐马尔可夫模型作为基本建模和识别工具对切削加工状态和颤振模式进行在线识别，在深入研究隐马尔可夫模型基本理论和机床切削振动系统基本特性的基础上，综合考虑了隐马尔可夫模型的强动态时间建模能力、神经网络的强分类能力以及支持向量机的小样本强推广能力，进行切削颤振在线监测，实现了优势互补，大大提高了识别的准确性和速度；该成果在对电流变材料及其性能以及电流变阻尼器结构及其性能进行深入研究的基础上，通过采用电流变等智能材料和结构在线调控切削系统动态特性进行颤振控制，取得了很好的控制效果；所开发的切削颤振监控系统集信号采集、分析、切削颤振在线监测与控制等功能于一体，其体系结构开放，性能价格比高，可广泛应用于各类金属切削机床特别是数控机床的切削颤振在线监测与控制，也可应用于各类金属切削机床(包括数控机床)切削刀具磨损的在线监测以及有关机械设备的状态监测与故障诊断，应用前景十分广阔。有关成果已先后在多家机械制造企业的普通机床与数控机床的切削加工过程状态在线监控中应用，有效避免了切削颤振现象的出现，降低了废品率，保证了产品加工质量，也保证了刀具和机床设备的安全，提高了生产率，取得了显著的经济效益和社会效益。近三年新增利润1396万元。该成果达到了国际先进水平，对于促进切削颤振监测和控制技术的进步，解决长期未能解决的切削颤振在线监测与控制问题，具有重要的学术价值和应用价值。