针对传统方法处理变负载轴承故障诊断时存在的自适应能力弱，模型泛化性差的问题，提出了一种改进的基于深度残差网络的故障诊断方法。首先，将采集到的一维时间序列信号进行短时傅里叶变换得到二维时频数据，再利用二维卷积神经网络从变换后的数据中提取特征。然后，通过高效通道注意力机制获取通道全局信息并对其权值进行调整，以增强改进网络模型的泛化能力，使其在变负载工况下分类效果得到提高。最后，通过仿真对所提方法进行了验证，结果表明相比传统方法诊断效果改进明显。

为了更高效检测出机械结构出现的裂纹，提出共线超声混频检测技术。首先，基于非线性超声理论，由差频非线性系数与和频非线性系数得到计算非线性超声混频非线性系数的方法。然后对5 种不同深度疲劳裂纹的铝合金试件用超声系统RAM-5000 SINAP 进行检测，并绘制相应频谱图，得出在一定裂纹深度内，裂纹深度与差频非线性系数、和频非线性系数呈正相关的结论。通过对两组实验数据进行拟合曲线分析，建立对应的裂纹深度预测模型。结合混频非线性系数的特征，得到根据其预测裂纹深度的模型，将3 种预测模型的平均误差进行比对，结果表明混频非线性系数预测模型预测结果更佳。研究工作对微裂纹的共线超声混频检测及裂纹深度预测进行了有益探索。

：基于非局部连续介质理论，应用哈密顿原理建立轴向磁场作用下黏弹性基体中固支输流单层碳纳米管（Single-walled Carbon Nanotube，SWCNT）系统振动微分方程，应用微分变换法( Differential Transformation Method，DTM )求解该振动方程，着重研究黏弹性基体、轴向磁场、小尺度效应耦合作用时该系统的振动稳定性问题。数值计算结果表明：输流碳纳米管无论是否嵌入黏弹性基体中，磁场的作用均能提高系统的稳定性，而小尺度系数的增加则降低系统稳定性。黏弹性基体的阻尼系数加大系统的振动耗能，当阻尼系数处于较大数值时，系统振动能量迅速耗散，在管内流体流速还处于较低数值时系统即产生发散失稳现象。进一步研究表明在考虑小尺度效应、轴向磁场与基体耦合作用时，较强的轴向磁场可以降低小尺度效应、基体阻尼系数对系统的影响；即使存在小尺度效应，对于弹性系数较大的基体，其阻尼系数对振动系统的影响程度仍大大降低。

在故障诊断领域，通常采用信号处理技术提取特征,然后将特征输入到故障分类器中进行故障识别。对于提取特征部分，采用信号处理技术可以使故障诊断取得较好的效果，但是仍然存在不足之处：一是人为提取的特征很大程度上依靠专业的诊断知识;二是绝大多数方法都需要使用标签数据来进行故障特征分类，其中标签数据必须通过大量的实验才可以得到。本文提出的基于深度自编码网络的轴承故障诊断是一种新型的智能故障诊断方法，可以克服上述故障诊断中存在的缺陷。为了验证该方法的有效性，利用具有不同健康状况的大量滚动轴承测量震动信号数据进行测试，实验结果表明效果良好。

针对不同轴承数据特征选择困难和单个分类器方法在滚动轴承故障诊断中精度较低的问题，提出一种基于分类与回归树的Xgboost(eXtreme Gradient Boosting)轴承故障诊断算法。Xgboost是包含多个分类器的集成学习方法。通过Xgboost的“提升”思想来提高滚动轴承故障诊断的精度。首先，从滚动轴承的振动信号中提取时域特征参数；然后利用Xgboost算法对滚动轴承故障进行诊断。将SQI-MFS实验平台的轴承振动数据，与传统分类器（支持向量机、邻近算法和人工神经网络）以及单个分类回归树的诊断结果相比，结果表明Xgboost在轴承故障诊断率上优于上述几种算法，且计算时间比传统提升决策树算法短。

应用有限元法分析进出口管同轴扩张室式消声器的声学性能，计算其传递损失并与一维平面波理论计算对比，分析一维平面波理论的适用范围。通过分析出口管偏置消声器，双出口管消声器和两腔消声器的声学性能表明：出口管位置和数量影响消声器中高频消声性能，而两腔消声器则能明显改善消声器中低频的消声效果。