为提高多尺度散布熵对信号演化敏感度，提升变压器故障声纹诊断准确率，将分数阶精细复合多尺度散布熵(Fractional Refined Composite Multiscale Dispersion Entropy，FRCMDE)运用于变压器声纹特征提取。首先，确定FRCMDE参数，提取不同状态下变压器声音信号的FRCMDE熵特征；其次，采用改进蝴蝶算法(Improved Butterfly Optimization Algorithm，IBOA)对最小二乘支持向量机(Least Squares Support Vector Machine，LSSVM)进行参数优化并构建IBOA-LSSVM模型，利用IBOA-LSSVM模型对特征数据进行分类，实现变压器故障声纹诊断；最后，为验证该方法的有效性，将其与其他经典方法比较，研究结果表明：所建FRCMDE-IBOA-LSSVM模型可有效区分8 种状态下的变压器声音信号，诊断准确率达到99.69 %，均高于其他方法。该方法可为变压器不停电监测与故障声纹诊断提供参考。

将隔声结构应用于机械、船舶和土木等领域，以复合隔声结构为研究对象，通过传递矩阵法推导复合隔声结构隔声量的计算方法。建立复合隔声结构的分频段仿真分析模型，研究复合隔声结构在100 Hz～5 000 Hz频段内的隔声性能，并进行试验验证。研究结果表明：在100 Hz～5 000 Hz频段内，仿真结果与试验结果的单值评价隔声量误差小于2.0 dB；通过对结构的优化设计，复合隔声结构可以实现面密度小于20 kg/m2，隔声量大于35.0 dB的综合指标；通过复合隔声结构的材料厚度和平板厚度的组合设计均可提高其隔声性能。