针对旋转机械前期故障信号微弱、易被噪声淹没、故障特征难以提取的问题，提出一种聚合经验模态分解（Ensemble Empirical Mode Decomposition，EEMD）和独立成分分析（Independent Component Analysis，ICA）相结合的故障特征提取方法。首先，运用EEMD理论将振动信号分解为一系列的固有模态函数（Intrinsic Mode Function，IMF），然后根据相关系数和均方根准则选取含有原始信号多的IMF分量构造观测信号，引入虚拟噪声通道；最后，通过FastICA算法将噪声与故障特征信号进行分离，并对分离出的有用信号进行频谱分析，突显故障频率。通过仿真信号验证所提出方法的有效性，并将其应用于轴承的内外圈故障识别，与传统的EEMD-WTD降噪方法对比，结果表明：所提出的方法能提取出清晰微弱故障特征信号，对低频噪声的抑制效果明显优于EEMD-WTD方法。

针对旋转机械早期故障信号微弱，富含大量噪声的问题，提出麻雀优化算法（SSA）和随机共振（SR）相结合的微弱信号提取方法。首先，对大参数信号进行变尺度处理，使其满足SR的要求；其次，以信噪比作为目标函数，运用SSA算法优化SR模型的结构参数，利用系统的SR实现微弱信号信噪比的提高；最后，通过仿真信号验证所提出方法的有效性，并将该方法应用于轴承内圈故障和轻度磨损钻头微弱信号的提取中。结果表明：提出的方法对微弱信号的提取性能优于传统的SR模型以及PSO-SR模型，有效提高了信号信噪比，实现了故障微弱信号的提取与增强。

车辆舒适性对驾驶员的身心健康有严重的影响。为了研究矿用自卸车在随机路面的乘坐舒适性问题，本文以某110吨矿用自卸车为研究对象，建立了整车十自由度动力学模型，分析车辆舒适性的影响因素，并选择了矿区随机路面进行现场试验测试和分析，得出了不同工况下路面激励的时域响应、频域响应以及车辆的乘坐舒适性。结果表明随着车速增加，路面激励加速度的大小和频率都增大，导致车辆舒适性变差；随着车辆载重增加，路面激励的频率减小，车辆的舒适性提高。

为改善油气悬架的性能，设计一种参数可变的耦连式油气悬架系统，对其结构特点进行分析，并阐述其工作原理。推导大速度激励下悬架油缸无杆腔出现空程畸变现象的数学模型，并仿真得到空程畸变过程中关键参数的变化曲线。根据建立的油气悬架非线性数学模型，搭建 Simulink仿真模型，在某选定的参数下进行仿真分析和台架试验。仿真结果显示，该油气悬架系统具有良好的非线性特性，在频率和振幅均较高的激励下出现了空程畸变。仿真结果与试验结果能够较好的吻合，说明所建立的数学模型具有较高的准确性，可以作为油气悬架系统特性研究的依据。