针对转子系统采集的振动信号中存在较多噪声使得轴心轨迹混乱、故障特征难以提取的问题，提出一种逐次变分模态分解算法(Sequential Variational Mode Decomposition，SVMD)与奇异值分解(Singular Value Decomposition，SVD)相结合的转子轴心轨迹提纯方法。首先，使用SVMD算法将采集的原始振动信号分解为一系列本征模态分量(Intrinsic Mode Functions，IMFs)；其次，根据峭度、能量熵与皮尔逊相关系数挑选有效分量并重构信号；然后，对重构信号进行奇异值降噪处理；最后，合成提纯后轴心轨迹。通过LabVIEW轴心轨迹仿真数据与转子实验台实测数据，并和基于差分谱SVD方法、带自适应噪声的完全集合经验模态分解(Complete Ensemble Empirical Mode Decomposition of Adaptive Noise，CEEMDAN)结合小波阈值方法对比分析，结果显示：采用SVMD-SVD方法提纯得到的轴心轨迹更加清晰，验证了该方法的有效性与可行性。

对金属橡胶减振器按照刚度参数进行选配或在最终的装配过程中，经常会发生静态或动态性能的差异。如果能以不更换金属橡胶块为前提，通过改变金属橡胶块的压缩长度来改变金属橡胶减振器的使用刚度，将可降低产品的废品率。在进行相关理论分析后，通过10组压缩试验对分析结果予以验证。试验结果还表明在刚度变化相同的情况下，金属橡胶块压缩长度改变值在“软化”处理时比“硬化”处理时要大。此方法有效地提高金属橡胶减振器的成品率，节省生产成本并提高资源的利用。