滚动轴承在噪声环境下发生故障时其振动信号往往呈现出非平稳、特征混叠、故障特征易被噪声淹没等特点，为更有效地挖掘其在强噪声环境中的故障特征，提高诊断准确率，提出一种基于图卷积神经网络（GraphConvolutional Networks，GCN）的滚动轴承故障诊断方法。首先，通过快速傅里叶变换（Fast Fourier Transform，FFT）将振动信号转化为频域信号，并根据变换后的频谱定义节点和边，将故障信号构造为全连接图；然后，利用GCN提取全连接图的节点特征；最后，使用全连接层和Softmax 作为分类器对提取的节点特征进行分类识别。实验结果表明，所提方法与机器学习、深度学习和其他图神经网络诊断模型相比，准确率更高，抗噪性更好，可有效实现强噪声背景下端到端的滚动轴承智能故障诊断。

针对海上风机的振动控制问题，提出一种局域共振型声子晶体塔筒结构，基于周期结构的Bloch 定理，采用有限元法计算该结构的能带结构、特征模态所对应的位移场以及相应有限周期声子晶体塔筒结构的振动传输曲线，对其展现出的带隙特性进行分析。基于局域共振带隙的形成，研究声子晶体塔筒结构的振动控制问题，可将其应用于不同海洋环境中海上风机特定频率的减振。得出声子晶体塔筒结构在xy 平面内与z 方向上受激励时的振动传输曲线，选取两者在特定频率下的结构位移图分别进行分析，计算出非理想化声子晶体塔筒结构在xy 平面内与z 方向上受激励时的振动传输曲线并加以对比。研究各参数对声子晶体塔筒结构带隙衰减频段的影响规律，通过合理调整设计参数，可以实现结构特定范围内的低频隔振，证明其在复杂海洋环境中海上风机减振方面具有很好的应用前景。

以某型号离心风机为研究对象，保留相关结构细节特征，建立三维有限元模型。基于CFD (ComputationalFluid Dynamics) 软件采用雷诺时均法对其内部流场开展稳态计算，并采用声类比积分法对风机的气动噪声进行预测。通过气动性能以及辐射噪声的试验测试和仿真结果对比来验证仿真模型的有效性。由宽频噪声模型分析可知，离心风机噪声源位置主要集中于叶片以及蜗舌附近。考虑到工程用离心风机结构改型成本较高，对叶片进行穿孔二次设计，提出一种优化的穿孔方案，探讨叶片穿孔对离心风机气动性能以及噪声声压级的影响。研究结果表明，优化后的叶片穿孔设计可降低叶片表面的压力脉动进而减少离心风机气动噪声，所提出的设计方案可使风机噪声总声压级降低2.64 dB。

针对行星齿轮箱故障诊断中样本分布不均衡所引起的模型泛化能力差及诊断精度低等问题，采用格拉姆角场图像编码技术和深度卷积生成对抗网络相结合进行数据增强，融合AlexNet 卷积神经网络进行故障诊断。将采集到的一维振动信号转化为格拉姆角场图，按比例划分训练集与测试集，将训练集样本与随机向量输入到深度卷积生成对抗网络模型中，交替训练生成器与判别器，达到纳什平衡，生成与原始样本类似的生成样本，从而实现故障样本的增广。用原始样本与生成的增广样本训练卷积神经网络分类模型，完成行星齿轮箱的故障识别。实验结果表明，所提方法能够有效提升样本不均衡条件下的行星齿轮箱故障诊断精度，使之达到99.15 %，且能使收敛速度更快。

嵌入管式亥姆霍兹共振器的管体位于共振腔内部，可压缩亥姆霍兹共振器结构体的厚度，利于轻薄化应用。为探究嵌入管式亥姆霍兹共振器的幅频调控机制，利用传统亥姆霍兹共振器的吸声原理，推演其吸声理论模型，并确定其阻抗匹配结构设计计算公式；随后制备并测量不同结构参数的单胞样件，通过分析结构参数对共振频率及共振幅值的影响，揭示其结构参数的幅频调控机制；最后结合多单元耦合特性，设计嵌入管式共振器多腔耦合吸声单元。结果表明，在频率396 Hz～501 Hz范围内，该吸声单元平均吸声系数大于0.95。对结构参数调控机制的研究成果可用于指导嵌入管式亥姆霍兹共振器结构设计，以进一步提高优化设计效率。

电力变压器作为电力系统中电能转换与能量传输的核心设备，其可靠运行对电力系统的安全运行有着极为重要的意义。近年来随着边缘计算在电力设备诊断方面的应用不断盛行，受限的硬件算力对算法的计算量提出了新的要求。对此提出一种基于声纹识别与掩码自编码技术的变压器故障诊断方法。首先，将采集的变压器辐射声音信号进行梅尔频谱计算和归一化处理得到声纹特征；其次，将声纹特征运用掩码自编码器进行训练，得到可用于对特征降维的编码器；最后，利用卷积神经网络对编码后的变压器声纹特征进行识别和分类。实验结果表明，该方法在掩码比例为40 %的时候能达到93.75 %故障识别精度，识别准确率高于对比算法。此外，相对于没有采用掩码自编码的分类算法，该方法在提升17.26 %准确率的同时，将计算量缩减为不到原来的1 %，可有效降低变压器检测的计算量。

传动系扭振已成为影响混合动力汽车舒适性和驾驶品质的瓶颈问题，而动力源谐波扭矩是引发传动系扭转振动的关键，针对行星混联式混合动力汽车混合驱动模式下多动力源耦合驱动的特点，以研究行星齿轮传动系统的扭转振动特性为出发点，建立行星齿轮传动系扭振模型和考虑谐波激励的发动机和电机动态扭矩模型，选取混合驱动模式下整车高速匀速工况，开展四种扭矩激励模式下的传动系扭振特性仿真，研究多源谐波激励输入下的行星齿轮传动系耦合振动特性。结果表明，多源谐波扭矩会导致行星传动系输出端的平均转速降低、传动效率降低；发动机谐波扭矩引起的传动系转速波动要大于电机谐波扭矩所引起的；同时考虑发动机和电机扭矩谐波，行星齿轮耦合传动过程行星齿轮的扭转振动最为剧烈，齿圈作为行星传动的输出端，其扭振成分主要包含发动机2 阶激励和电机的6 阶、12 阶激励，电机的谐波激励成分是发动机2 阶激励的2 倍之多。随着发动机与电机输出扭矩的分配比值增大，行星耦合系统中行星架和行星轮的扭转振动角加速度均方根值呈现增大趋势，而齿圈则呈现减小的趋势。

针对变分模态分解(Variational Mode Decomposition，VMD)过程中模态分量个数和惩罚参数大小依赖先验知识，单一或顺序优化单一参数可能导致局部最优的问题，提出以包络熵和包络峭度因子作为适应度函数，利用遗传算法全局寻优的特点，对VMD的模态分量个数和惩罚参数组合进行优化。通过最优参数组合下的VMD对信号进行分解，可以获得多个本征模态分量( Intrinsic Mode Function，IMF )，选择适应度函数最小IMF分量作为有效IMF分量进行包络解调，从中提取轴承信号的故障特征频率。对多种轴承故障类型信号进行分析并与其他方法对比，结果表明所提方法能有效提取轴承故障特征，有助于实现微弱故障条件下轴承故障特征频率的准确提取。

协方差驱动随机子空间辨识（Covariance-driven Stochastic Subspace Identification，SSI-cov）是近年来发展较为成熟的工作模态分析方法。针对其识别精度和效率对参数设置具有较高敏感性的问题，基于敏感性分析方法，利用奇异熵增量跳跃点明显程度、频率平均识别误差、阻尼比总变异系数、振型平均模态置信因子、运行时间5 种评价指标以及稳定图，通过一经典五自由度层模型仿真算例，研究Toeplitz 矩阵行块数、采样频率、数据长度对SSI-cov 识别结果的影响规律。并给出既能满足精度要求又可控制程序运行时间的参数建议取值范围。最后，通过一缩尺三层框架模型在白噪声激励下实测数据对提出的根据SSI-cov 改进参数设置进行验证，结果表明提出的各参数建议取值范围均较为合理。

针对车辆座椅的低频隔振问题，基于经典三弹簧准零刚度(Quasi-zero Stiffness，QZS)模型，建立座椅隔振实验模型，采用仿真和实验方法评价座椅模型的隔振性能。首先，对于三弹簧QZS模型，讨论参数对QZS的影响，获得QZS条件。其次，采用ADAMS仿真分析三弹簧QZS座椅模型，仿真和理论位移传递率具有较好的一致性。然后，制作三弹簧QZS座椅实验模型，通过静态实验调整实验模型获得QZS特性。最后，采用振动台对QZS座椅在1～10 Hz频率范围内开展大幅谐波位移激励隔振实验，同时采用Polytec 激光测振仪分别获得振动台和座椅的位移响应，通过实验位移传递率评价QZS座椅隔振性能并验证理论分析正确性；相比对应的线性刚度隔振座椅，三弹簧QZS座椅具有较宽隔振频带和较小传递率。研究三弹簧QZS座椅的隔振性能可为后续可供实际工程应用的QZS座椅研究提供参考，同时也指出QZS座椅研究中存在的困难。

针对采用单信号为输入的滚动轴承智能故障诊断方法存在诊断精度低、噪声鲁棒性差和难以适用于变工况等问题，提出一种多分支卷积神经网络(MBCNN)用于轴承故障诊断。该方法基于多尺度均值化对轴承振动信号进行重构，利用MBCNN的多个并行的分支从重构子信号中提取丰富互补的故障特征，采用残差学习和全局平均池化层改善模型的训练性能，建立基于微调的迁移学习策略以实现变工况故障诊断，并进行实验验证和对比分析。结果表明：所提出方法在变噪声实验中识别准确率为97.1 %～100 %，在不同迁移路径上诊断准确率高于98.8 %，证明该方法具有良好的抗噪声能力和跨域故障诊断效果。

振荡器驱动的方板在稳态振动时所形成的克拉尼图形（驻波节线图形）在噪声源识别和颗粒移动操控等领域得到广泛应用。现有的对方板克拉尼图形的研究多采用实验和近似的理论分析方法。基于参数分析建立振荡器驱动方板的简化有限元模型和适当的边界条件，进而通过固有频率和振型分析，根据振型有效质量的大小预测和再现多组实验中出现的共振频率和克拉尼图形。对薄板在任意驱动频率下的稳态振动，通过振型叠加法快速准确计算出其振幅节线图形，与实验中相同频率下的克拉尼图形几乎相同。振荡器驱动的方板在共振频率下的克拉尼图形可解释为固有频率对应的振型，在非共振频率下的克拉尼图形可以解释为多个振型的叠加。通过建立具有适当边界条件的有限元模型，对振荡器驱动方板的克拉尼图形给出具有明确物理意义解释。

针对主被动混合隔振系统中次级通道的非线性因素和时变特性，设计一种基于有源非线性自回归神经网络(Nonlinear Auto-regressive With Exogenous Inputs Neural Network，NARX-NN)的次级通道系统辨识的方法，并成功应用于振动主动控制系统中。首先，使用NARX神经网络对次级通道进行辨识得到准确的次级通道模型；其次，采用FIR滤波器重构初级通道的输出，从而获得作动器的输出信号，基于重构得到数据对辨识的网络进行在线学习，可以避免由白噪声激励在系统中带来的随机振动对控制效果的影响；最后搭建仿真模型以及实验平台，仿真结果表明，该控制算法可以克服次级通道的时变性导致的次级通道失真问题；实验结果表明，该算法对15、20 Hz的线谱分别取得30.1、40.4 dB的能量衰减效果，能够有效地实现振动主动控制。

航空齿轮泵在工作过程中产生流量脉动，不仅影响自身的性能和寿命，还会直接影响航空液压系统的可靠性。本文采用AMESim建立了航空齿轮泵的系统模型，对比分析了航空齿轮泵流体理论流量、基频与仿真流量、基频，并研究了转速、齿数、模数和齿宽对航空齿轮泵流体流量脉动的影响。研究表明，系统仿真结果与理论解相一致，验证了航空齿轮泵系统模型的正确性；随着转速、齿数、模数和齿宽的增加，航空齿轮泵流体流量脉动幅值均呈增大的趋势，随着转速的增加流量脉动率几乎没有变化，随着齿数的增加流量脉动率呈降低的趋势，随着模数和齿宽的增加流量脉动率呈增加的趋势；同时发现航空齿轮泵流体流量脉动呈宽频多谐波特征。研究结果为抑制航空齿轮泵流体流量脉动提供了理论基础和技术支持。

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。

声学黑洞（Acoustic Black Hole，ABH）技术作为一种新型高效的能量聚焦以及振动控制技术，在减振降噪方面具有很好应用潜力。铝型材板结构作为一种夹层结构，具有高比刚度和高比强度等优异轻量化特性，广泛应用于列车外地板、船舶、航空航天等领域中。为了探究ABH和铝型材板结构相结合后是否还具有典型的ABH效应，运用有限元数值模拟方法研究嵌入式ABH铝型材板结构的振动能量聚焦特性。对于频点和频带聚焦特性分析结果表明，在铝型材板结构中嵌入ABH特征结构可以起到显著振动能量聚焦效果。此外，根据聚焦特性分析结果，在ABH铝型材板结构中的ABH特定区域内敷设阻尼材料，并通过仿真计算验证了其减振特性。结果表明，由ABH铝型材板结构附加阻尼材料所得的组合结构振动水平显著低于普通铝型材板结构，部分频率下振动衰减高达52.6 dB。这为轨道交通领域提供了一种很有应用潜力的结构减振降噪新思路。

为实现对皮带输送机托辊故障实时监测，提出一种基于广义互相关时延估计的托辊故障声源定位方法，并开发相关系统。首先通过安装在与皮带输送机旁间隔一定距离处的传声器采集声音信号，采用VMD与包络谱峭度法有效提取托辊声音信号的故障频率信息。随后采用广义互相关时延估计算法对声音信号中选定的IMF分量进行广义互相关时延估计，根据时延域中互相关系数最大值所对应的时间差确定时延，结合声音在空气介质中的传播速度，以及故障声源位置与传声器之间的空间几何关系，确定故障声源位置。最后开发出托辊故障声源定位系统并投入现场运行，实验和现场应用结果表明，采用所提方法及相关系统能够实现托辊故障声源的准确定位。

球型传声器阵列广泛用于三维空间噪声源定位，其分辨率取决于阵列的尺寸和输入信号的频率，当阵列较小时，不适合对低频噪声源进行定位，此外，为实现实时定位，要求算法的计算过程简单。球谐波束形成算法计算过程简单，但其低频分辨率差，不适合布置在小型阵列上。为使用固定尺寸的小型开口球型阵列对三维空间内的低频噪声源进行定位，并且避免增大计算量，提出一种基于球谐波束形成算法的高分辨率改进算法，该算法首先通过声全息算法对空间声场进行重构，然后将重构声场作为波束形成算法的输入，最后对三维空间进行搜索，实现声源定位。所提算法的声成像图更清晰，分辨率性能指标得到提高，证明重建声场可有效改善球谐波束形成算法的低频分辨率，使其更有利于实际应用。

介绍钢轨波磨现行的主要分类方法和评价标准。以某环线地铁为例，对全线不同线路条件和轨道类型的钢轨波磨进行检测，按照轨道类型、曲线半径、线路型式以及曲线高、低轨来对比分析钢轨波磨的典型特征；使用BSEN ISO 3095 标准对钢轨波磨进行量化评价。结果表明，该线路波磨分布最广的为普通扣件轨道，300 m～400 m半径曲线轨道，缓和曲线以及低轨。钢轨波磨出现频次最高的为钢弹簧浮置板轨道，200 m～300 m半径曲线轨道，圆曲线和低轨。各种轨道类型上都存在25 mm～50 mm波长波磨，400 m半径曲线轨道上的波磨波长分布最广，圆曲线和缓和曲线上波磨波长分布特征基本相同。

针对机械设备中的低频减振问题，提出一种圆柱空腔橡胶层局域共振声子晶体双层板结构，即在双层板间周期性排列具有圆柱空腔的橡胶层和实心散射体振子。首先结合弹性波理论和BLOCH定理，采用有限元方法计算带隙范围并分析弯曲波带隙形成的原理，其次通过单变量和组合变量的方式分析单元参数对带隙的影响规律并依此对单元参数进行调整，使其弯曲波带隙范围为48.52～206.21 Hz，最后通过振动传输特性仿真验证其对弯曲波振动的减振效果。研究表明，圆柱空腔橡胶层双层板式声子晶体可以产生200 Hz以下的弯曲波带隙，且可以通过调整单元参数来使其匹配目标减振频段。声子晶体板的振动传输特性分析和振动位移图验证了其对带隙范围内弯曲波传输的抑制作用，可为基于声子晶体减振的工程应用提供一定的参考。

随着多传感器采集系统的发展，多元信号的同步处理变得尤为重要。多变量变分模式分解（MultivariateVariational Mode Decomposition，MVMD）方法是一种在变分模式分解方法基础上发展起来的多元信号分析方法，具有物理意义清晰、抗干扰能力强等特点。然而，须预先设置分解模式个数和带宽平衡参数对其在实际工程中的应用产生限制。为此，提出一种改进MVMD方法。该方法构建带宽估计策略和MVMD单分量迭代分解策略，能够合理确定带宽平衡参数，并在固定带宽下基于峭度准则迭代分解出故障分量。多通道的轴承故障试验信号分析结果表明：提出的方法能够合理确定目标分量的带宽，且无须预设模式分量个数；该方法运行所需时间为8.3 s，相较于传统的固定参数MVMD、多维经验模态分解和快速谱峭度，可在没有损失时间效率的前提下更准确地识别出多通道故障特征。

针对目前旋转机械故障诊断时，存在单一地利用振动数据、诊断结果模糊的问题，提出一种卷积神经网络( Convolutional Neural Network，CNN )与知识图谱结合的故障诊断方法。该方法以原始轴承数据和机理知识作为输入，然后进行实体抽取和数据标注，利用本文提出的端到端多尺度注意力机制神经网络模型进行故障诊断，最终构建知识图谱，实现故障信息的详细展示，进行辅助诊断。利用两份数据集进行实验验证，采用全新的数据处理方法，结果表明，所提出的算法在160 种故障类型中加权F1 值相比基准模型提高11.03 %，并且利用传统故障诊断实验和其他算法对比充分证明本文提出的模型具有较强的稳定性和泛化性能.

建立车辆-钢弹簧浮置板轨道垂向耦合振动有限元模型，分析车载作用下的浮置板轨道和车辆垂向振动特性。结果表明，钢轨和车体垂向振动在浮置板1 阶弯曲频率（10 Hz）、P2 共振频率、部分阶次的轮对弯曲频率及车轮辐板模态频率处存在明显峰值，其中车体振动在车体浮沉频率（1 Hz左右）处也存在明显峰值。扣件刚度和阻尼的影响主要在轮对1 阶弯曲频率以内的车辆-轨道系统耦合振动行为，扣件阻尼在高频处对轨道垂向振动也有较大影响。钢弹簧刚度和阻尼主要影响浮置板1 阶弯曲频率附近的车辆和轨道响应，对车辆运行平稳性影响显著。车辆悬挂参数及车体和构架质量对轨道振动基本无影响，簧下质量通过P2 共振以及系统约束下的轮对1 阶弯曲和辐板对称伞形模态影响轨道振动。增大一系悬挂刚度和阻尼以及二系悬挂阻尼会增大中高频的车体垂向振动加速度，二系悬挂刚度主要影响车体浮沉频率附近的车体垂向振动。车体、构架和簧下质量对车体浮沉运动、浮置板1 阶弯曲和P2 共振处的车体振动加速度峰值有影响。

为进一步优化幅流风机气动噪声性能，以某地铁空调系统中幅流风机为研究对象，提取雀鹰羽翼展向40%截面处作为参考，重构风机叶片。基于Fluent 软件，采用Realizable K-ε 模型，利用数值模拟方法和声类比FW-H方程，对仿鹰翼型叶片风机进行流场及气动噪声分析。结果表明，仿鹰翼型叶片风机较原风机风量增加2.67 m³/min，叶轮效率提高3.07 %，噪声降低2.34 dB。仿鹰翼型叶片可有效抑制漩涡噪声，改善幅流风机气动性能和声学性能。

随着高速列车运营速度不断提高，轨道交通产生的振动噪声会严重影响列车的车内声环境，进而降低乘坐舒适性，因此针对列车噪声源部位的车体隔声设计至关重要。目前的隔声措施能够有效控制车内中高频噪声，而对于低频噪声的抑制效果还有待进一步提升。声子晶体是一种具有弹性波带隙的周期性结构材料，该结构不需要大尺寸即可在局域共振作用下形成低频带隙，进而抑制弹性波的传播从而起到低频降噪作用。基于声子晶体周期性理论，以车辆转向架部位地板的木骨支撑层为对象，研究声子晶体在木骨支撑层隔声中的应用，系统分析声子晶体结构的带隙特性和隔声特性以及基于声子晶体结构的支撑层隔声性能。研究结果表明：通过改变结构形式及其参数可实现对于声子晶体结构的带隙形成频带及其隔声特性的人为设计和控制；以高速列车地板中的木骨结构为对象，结合声子晶体理论将其设计为木骨和声子晶体组合结构形式，不仅能够保持声子晶体在0～220 Hz低频段和620～710 Hz频段优越的隔声性能，同时可极大提升220～620 Hz频段的隔声性能；既维持该层结构的支撑作用，又能很好提升隔声性能，在高速列车地板设计中具有很强的有效性和适用性。

随着新能源汽车的发展，越来越注重车辆智能化和电动化，电动隐藏式外门把手被越来越多地应用在新能源汽车上。电动隐藏式外门把手在开启与关闭时，执行器产生工作噪声，噪声过大或声品质不好会引起用户抱怨。分析电动隐藏式外门把手工作噪声产生的原因，从外门把手本体结构、结构传递路径、空气传递路径和工作控制策略等4 个方面进行分析和优化设计，有效降低电动隐藏式外门把手的本体噪声及乘客舱内的辐射噪声，对汽车电动隐藏式外门把手噪声的优化设计具有一定参考价值和指导意义。

针对浮置板轨道中浮置板端部位移偏大的问题，研究剪力铰设置与钢弹簧变刚度两种方式对浮置轨道位移的改善效果。将剪力铰简化为剪切弹簧阻尼单元，根据浮置板挠度分布及钢弹簧间距调整浮置板下钢弹簧刚度，基于振型叠加法和龙格-库塔法数值计算研究不同剪力铰刚度与钢弹簧刚度下浮置板轨道的减振特性。研究表明，设置剪力铰可以有效减少浮置板端部的位移差，但主要对端部3 m左右范围内的浮置板位移改善较为有效，剪力铰刚度并非越大越好，刚度取值应使浮置板和钢轨的位移波动幅度尽可能小。在钢弹簧总刚度不变的前提下，根据浮置板挠度分布调节钢弹簧刚度对浮置板位移和端部位移差的改善效果不大，但可以有效减少钢轨位移及其波动幅度，且长型浮置板轨道下的减振效果更好。适当扩大钢弹簧间距从而增大弹簧刚度可以改善浮置板轨道的位移响应，但间距过大时浮置板位移会出现剧烈波动。研究可为浮置板轨道的减振设计提供一定参考。

为解决桥梁健康监测系统中传感器优化布置问题，提出一种基于自适应鲸鱼优化算法的传感器布置方法。通过Fisher 信息阵二范数变化率和模态有效参与质量提取模态，有效避免模态冗余。引入Kent 映射生成初始测点，以模态置信准则为适应度函数。针对鲸鱼算法中参数既控制算法的全局和局部搜索又控制算法的搜索步长，且其开发能力不足等问题，将鲸鱼算法中的参数A 分解为决策因子A1 和衰减因子A2。通过决策因子A1 控制鲸鱼算法的全局和局部搜索，增强算法跳出局部最优的能力；通过衰减因子A2 动态调整算法的搜索步长，提升鲸鱼算法搜索效率和精度。通过哈齐大桥进行实例验证，结果表明，改进后鲸鱼算法的模态置信矩阵精度相比粒子群算法提升82.29 %。

随着我国地铁建设的飞速发展和城市用地日益紧缺，建筑物与地铁线路的距离越来越近。对于临近地铁的新建建筑，在设计阶段对于建筑结构开展抑制地铁振动的优化设计渐趋必要。以某临近地铁的待建建筑物为研究对象，采用数值仿真方法，对不同基础形式（桩筏基础和筏板基础）及不同地基类型（非挤土地基和挤土地基）建筑物的地铁振动响应进行对比分析，结果表明：桩筏基础抑制地铁振动的能力略优于筏板基础，基础形式变化对建筑物室外振动的影响不显著，且不会改变建筑物室内振动水平随楼层升高的变化规律，基础形式不同使建筑室内振动分布发生变化，但变化的规律性不显著；非挤土地基抑制地铁振动的能力明显优于挤土地基，地基类型变化亦不会改变建筑物室内振动水平随楼层升高的变化规律，但对建筑室外和室内振动响应的影响都较为显著。

针对一种多胞复合型吸声结构进行声学性能研究，其具有吸声频带宽、声学性能突出、设计自由度高的特点。利用马氏理论和Delany-Bazley 模型分别构建微穿孔板和多孔性吸声材料层，通过传递矩阵法和声电类比等效电路法建立平行排列的多胞复合型声学结构理论模型，利用有限元法构建阻抗管仿真模型并对多胞复合型声学结构进行声学分析。对比理论计算结果和仿真试验数据，发现两者具有较好的拟合度。研究表明：多胞复合型吸声结构在全频率段内具有较好的吸声性能，通过调整各吸声单元的设计参数和变量，例如排列组合方式、微穿孔板的穿孔率以及微穿孔板后空气层厚度等，可以对不同频率段内的噪声进行有效吸收。

针对传统变分模态分解在处理深海网箱振动信号时严重依赖于模态阶数和二次惩罚因子的参数选择问题，提出了一种基于狼群优化算法的变分模态分解方法。通过引入狼群优化算法和适应度函数优化分解，克服了变分模态分解在参数设置不当时造成的模态丢失或混叠的问题，从而实现了无先验知识情况下深水网箱振动信号的降噪及最优特征提取。为了验证提出方法的有效性，首先使用四自由度数值系统验证了提出方法的正确性，然后开展了坐底式深水网箱现场测试，并对实测数据进行结构特征信息提取及信号降噪，结果显示提出方法可以选择最佳的模态参数和惩罚因子实现信号的准确特征提取，验证了该方法在用于坐底式深水网箱结构安全监测时的有效性和实用性。

针对含周期单元声学覆盖层的透射系数计算方法展开研究，提出一种数值加解析的联合方法用于改善计算效率，首先以声阻抗管三水听器双负载法测试原理为基础，建立有限元模型并获取覆盖层的等效传递矩阵，结合多层均匀介质声透射解析理论计算覆盖层透射系数。为验证算法的准确性，将有限元直接计算结果与该算法计算结果对比，结果显示采用该算法在大部分频率范围内能准确预报透射系数。该方法可为有效优化声学覆盖层降噪性能提供理论支撑与方法指导。

以汽车冷却风扇噪声为研究对象，基于采集的噪声生成具有不同音调特性的模拟噪声，利用改进的音调度模型计算音调度，使用等级评分法对生成的模拟噪声进行主观评价实验。根据音调特性十分明显的旋转噪声频率与风扇转速密切相关的特点，提出以风扇转速信号来构造次级声源参考信号进行主动噪声控制。最后建立并联型灰色神经网络模型并检验降噪效果。结果表明，冷却风扇噪声的音调特性是影响感知烦恼的重要因素之一，通过有源噪声控制能有效降低窄带噪声峰值从而降低音调度。引入并联型灰色神经网络进行预测的平均相对误差为2.86 %，降噪后烦恼度有较好的改善。

根据扣件与钢轨的相互作用和力系简化理论，定义扣件的动刚度矩阵，并基于锤击试验提出一个确定该矩阵的试验方法。首先把一段很短的钢轨按照现场情况安装在轨枕上，并视钢轨为刚体。然后用力锤在特定位置和方向激励钢轨，同时测量锤击力和钢轨特定位置的响应，得到相应的频率响应函数。接着根据动量定理和动量矩定理在频域中建立钢轨的运动方程。最后从这些方程中解出扣件的动刚度矩阵。运用所建立的方法，测试我国高速铁路无砟轨道常用的WJ-8B扣件的动刚度矩阵。结果表明：提出的方法简单易行，且结果具有很好的重复性；扣件各动刚度的绝对值总体上都随频率的增长呈现上升的趋势，但在扣件系统的特征频率上会出现低谷或峰值，表现出明显的模态特征；在多数频率，平动动刚度的绝对值要远大于转动动刚度，且以垂向动刚度最大。

为探究利用多重声学超材料抑制转子系统振动的机理，理论研究多重超材料转子结构的动力学行为及带隙特性。建立多重超材料转子的振动微分方程；分别采用假设振型法和有限元法对模型进行离散和验证；基于无限超材料假设，推导出多重超材料转子带隙的表达式；利用谐波平衡法和特征值理论对振动方程进行求解，获得多重超材料转子稳态与瞬态动力学行为及带隙特性，并分析超材料参数对转子动力学行为及带隙特性的影响。结果表明，多重超材料转子结构形成以局域共振单元固有频率为近似中心频率的多个单独的、具有移频特性的带隙；超材料的阻尼降低结构共振区的幅值，并将单独的带隙连接到一起，扩大带隙范围。多重声学超材料可以实现转子系统稳态与瞬态振动抑制。

针对实际工程应用中被标记的滚动轴承故障样本收集困难，传统诊断模型精度较低的问题，提出一种伪标签学习融合参数迁移深度学习网络的半监督滚动轴承故障诊断模型。首先将ImageNet 数据集上预训练的残差网络（Residual Network，ResNet）模型参数迁移至本文模型中作为初始参数，并使用不同学习率微调网络层参数以加快模型收敛速度；随后引入伪标签半监督学习，使用标签数据训练模型并对无标记数据进行预测以生成伪标签；最后使用标签数据以及伪标签数据训练参数迁移后的ResNet 模型，并测试诊断效果。对两种滚动轴承故障数据进行半监督下故障诊断实验及跨域故障诊断实验。实验结果表明，在具有大量未标记样本集下，所提出模型可迁移至不同设备完成诊断，具有较强的鲁棒性，可用于处理复杂工业环境中的故障诊断问题。

由于齿轮箱振动信号在变转速工况下出现的调频、调幅等现象，使得信号征兆与故障模式之间的映射关系变得复杂，导致齿轮箱故障难以精确诊断。鉴于深度神经网络在自动提取数据特征和分类上的优势，提出一种基于无阈值递归图编码(Un-threshold Recurrence Plot，URP)和自适应归一化卷积神经网络(Adaptive Normalized Convolutional Neural Network，ANCNN)的变转速工况齿轮箱故障诊断方法。该方法先使用快速傅里叶变换(Fast Fourier Transform，FFT)将时域信号转化为频域信号，再利用URP 编码将得到的频域信号转化为二维递归图，并提取图像特征输入到ANCNN模型。在ANCNN模型中，采用批量归一化算法消除因转速变化引起的特征分布差异，同时处理转速波动下产生的频移和调制特性，并使用遗传算法自动调整该网络模型的超参数，以提高该网络的整体性能。采用转速波动的齿轮箱试验数据对该方法进行验证，实验结果表明，该方法能够克服转速波动的影响，成功实现对不同齿轮故障的准确识别。

针对地铁车辆段冷却塔运行引起的临近住宅楼噪声扰民问题，采用室内噪声现场实测与噪声标准曲线分析的方法，对冷却塔噪声在车辆段上盖开发住宅楼内传播规律以及频率特性进行研究。结果表明：冷却塔噪声影响随楼层升高有增大的趋势，顶层冷却塔噪声贡献值高出与冷却塔高度相近的楼层1.8 dB(A)；冷却塔噪声贡献值低楼层增长速度较快，11 层以下平均每3 层增长1.8 dB(A)，11 层以上平均每3 层增长0.5 dB(A)；冷却塔噪声以低频噪声为主，根据噪声标准曲线分析高频噪声对人主观感受的影响较大。

针对海洋平台安装基座隔振性能分析，建立其所在位置的基础结构（双层底结构）有限元模型，以点群加速度响应最大幅值处的振级落差为评价指标，采用变密度法对双层底结构进行开孔、开孔与加筋两种方案的拓扑优化，并与原始结构减振效果进行对比分析，同时开展试验验证优化结果。结果表明：优化后基座振级落差较原始基座提升3.41 dB，试验结果与仿真结果的最大误差为5.2 %。两者具有很好的一致性，优化结果可靠，优化后减振效果明显。对基座减振设计具有一定的指导和借鉴意义。