为了更好地选取变分模态分解(variational mode decomposition, VMD)的参数且综合考虑轴承故障信号周期冲击性及循环平稳性，构建了一种平均包络谱峭度结合平均样本熵优化的变分模态分解及加权合成峭度提取最优本征模态分量(intrinsic mode function, IMF)的轴承故障诊断方法。首先，分别将平均包络谱峭度的倒数及平均样本熵归一化并求和。然后，以其最小值原则分别优化VMD参数，对信号进行VMD分解得到若干IMFs，计算各IMF加权合成峭度，其值最大即为最优IMF。最后，进行包络谱分析判别故障类型。运用内圈故障仿真信号和实际轴承数据验证本文方法的有效性。

针对模型修正中测量数据不完备问题，提出一种利用频响函数结合结构损伤识别进行模型修正的方法。首先，采用频响函数摄动分析法建立频响函数灵敏度方程，并综合考虑结构响应对参数变化的灵敏度及阻尼对振幅的影响等因素，合理选择频率范围；然后，利用完好结构的频响函数和测量得到的损伤结构固有频率重构损伤结构未测量节点的频响函数；最后，研究与模型修正相适应的传感器优化布置方法，确定传感器数目及测点位置，从而为模型修正提供所需的频响数据。数值模型试验表明，利用较少数量的传感器提供的频响数据即可识别出损伤位置和损伤程度，得到与结构实际参数相符的模型修正结果。