针对实时变速工况下滚动轴承故障信号特征提取与在线识别难题，提出一种创新性的轴承故障诊断方法。该方法融合频带分割(Frequency Band Spliting，FBS)与经遗传算法优化的BP神经网络(Genetic Algorithm-Backpropagation Neural Network，GA-BP)。首先，对原始信号进行小波包分解得到小波包能量谱，然后提取振动信号和转速信号均值和方差指标共同构建特征参数集，为进一步降低数据采集成本，对特征参数集进行降采样处理。最后利用GA-BP的最佳隐含层自适应寻优系统，实现对故障特征的精确识别。实验和应用案例表明，其对于美国凯斯西储大学轴承数据集故障诊断准确率达100 %，对于加拿大渥太华大学轴承数据集故障诊断准确率达99.4 %，充分证明所提方法的经济性、有效性和良好的鲁棒特性。

针对滚动轴承早期故障特征易受强背景噪声影响而难以提取的问题，提出一种基于阿基米德算法（Archimedes Optimization Algorithm，AOA）优化变分模态分解（Variational Mode Decomposition，VMD）和相关最大峭度解卷积（Maximum Correlated Kurtosis Deconvolution，MCKD）参数的滚动轴承故障诊断方法。首先，将不同移位数下相关峭度和现有指标进行对比，选取最优相关峭度指标作为目标函数优化VMD算法中分解层数K和惩罚因子，并基于VMD分解结果选取最优分量；其次，提出一种加权包络谱峭度作为目标函数优化MCKD算法中滤波器长度L 和冲击信号周期T，基于MCKD算法增强最优分量中的冲击成分；最后，通过包络谱分析判断滚动轴承故障类型。仿真和试验结果表明，该方法可以有效提取并增强故障中的冲击成分，实现在强背景噪声下的滚动轴承早期故障诊断。

为提升某国产SUV排气系统声品质及振动性能，优化了消声器内部结构并验证了优化方案的内部流场分布较理想。基于排气系统声学优化结构，建立了以挂钩垂向动态反力极值及其标准差、吊耳的静态变形量和静反力标准差为优化目标的多目标稳健优化模型。实车测试怠速及三挡全油门（3WOT）加速尾管噪声的总体及阶次噪声较原方案均有较大程度降低。振动性能优化结果表明，挂钩垂向动态反力极值及其标准差、吊耳静反力标准差都有明显降低。

在动力总成悬置的制造、安装和汽车的使用过程中，悬置的刚度存在一定程度的不确定性。因此，悬置系统的频率和解耦率必然不是确定值。为研究悬置系统频率和解耦率的变化特征，进而解其性能的稳健性，文中给出一种区间分析方法。在已知悬置刚度的变化范围而不需解其统计特性的情况下，用区间数学中的区间数描述其变化的不确定性，基于组合方法计算悬置系统固有频率和解耦率的精确变化范围。给出区间可靠度的计算公式，用于表征悬置系统频率和解耦率的设计稳健性。计算某轿车悬置系统的频率以及沿垂直方向和绕发动机曲轴扭转方向解耦率的区间可靠度。计算结果表明，当悬置刚度在其设计名义值附近波动时，动力总成悬置系统的悬置刚度需要进行优化，以提高固有频率及垂直方向和绕发动机曲轴扭转方向解耦率的设计稳健性。