磨音信号是反映磨机运行状态的一个重要参数，准确区分不同状态下的磨机信号将直接影响后续磨机运行参数优化的结果。通过聚类算法可以对磨音信号进行分类，为使磨音信号聚类效果更优，不仅需要类内距离小，还需要类间距离尽可能大。由此提出一种基于局部稳定性加权动态时间规划(Local Stability Dynamic Time Warping，LSDTW)和优化k-medoids 的磨音信号聚类方法。首先为克服动态时间规划(Dynamic Time Warping，DTW)得到的计算结果对噪声高度敏感的缺点，使用局部稳定性估计对DTW加权计算来降低噪声对计算结果的影响，其次针对k-medoids聚类需要多次计算才能确定聚类个数的不足，提出使用异常迭代模式(Abnormal Pattern，AP)优化k-medoids 方法选取代表性的初始集群中心。采用优化k-medoids 方法对LS-DTW的结果进行聚类分析，以平均轮廓系数作为评价标准，对比LS-DTW-k-medoids、DTW-k-medoids、DTW-优化k-medoids、k-means++算法效果可知，经本文方法聚类后，类内紧致性更优。

分析车辆悬挂与非悬挂质量动力学耦合机理，建立装备被动悬架的整车7自由度非线性模型，利用微分几何方法对该非线性模型受到随机路面激励时的垂向振动进行解耦分析。经过解耦的非线性系统成为独立的互不干扰的线性子系统，悬架簧上质量的振动不受路面激励的影响。进行解耦前后仿真对比分析，结果表明：解耦后的车身垂向加速度、车身俯仰角和侧倾角的振动幅值和频率大幅衰减，验证了解耦算法的有效性。