针对传统的基于振动信号的故障诊断技术无法兼顾定位与诊断的问题，提出一种基于声音信号的反卷积成像和深度学习的智能故障诊断与定位模型，该模型在传统波束形成算法的基础上，引入反卷积成像算法确定噪声源位置；同时，使用深度学习对声音信号进行训练分类从而判断故障类型，可兼顾噪声源识别定位以及故障检测的特点，拓展声像识别的应用场景，并进一步推动故障诊断技术在多领域交叉发展。实验结果表明，与传统的基于振动信号的故障诊断方法对比，该方法在设备故障诊断方面的故障识别率达到97.22 %，并能够准确识别故障所在位置。

某乘用车搭载1.0T三缸发动机，匹配湿式双离合（DCT）变速箱，在怠速工况存在敲击异响问题。通过研究分析推测该怠速异响可能是由双质量飞轮内部产生。为进一步解决该怠速异响问题，采集整车怠速工况下的转速波动信号作为双质量飞轮仿真模型的激励源。基于AMESim软件搭建双质量飞轮的怠速工况下的多自由度动力学仿真模型，通过仿真分析确定双质量飞轮的次级质量转动惯量、扭转刚度、基础阻尼力矩及自由转角对发动机扭振衰减效果的影响，得到该异响问题的解决方案并进行试验验证。结果表明，在一定的基础阻尼范围内，增大双质量飞轮的自由转角可以有效降低双质量飞轮的怠速敲击异响。

差速器是纯电动汽车传动系统的重要传动部件之一，其性能好坏直接影响着车辆转弯行驶的功能性和舒适性。首先系统介绍某纯电动汽车低速转向异响的测试分析过程，通过整车与电驱动系统台架的排查等方法，查找出异响发生的原因。接着基于差速器设计方法和表面润滑摩擦原理，探讨差速器异响问题的潜在机理，并提出工程控制的措施方案。最后通过对半轴齿轮垫片表面处理工艺的改进，完全地消除整车转弯过程的异响问题。这对于纯电动汽车差速器NVH性能的工程开发具有一定的参考指导意义。

深度神经网络在滚动轴承故障诊断领域得到广泛应用，而将深度神经网络应用于滑动轴承-转子系统故障诊断的研究较少。其中大多数研究假设轴承故障的训练数据与测试数据分布相同，基于该训练数据得到的神经网络能较好地对轴承故障进行描述，但当轴承转子系统的结构和工况发生变化，原神经网络就不能对故障进行准确诊断。提出一种基于改进型联合分布差异（Improved Joint Distribution Discrepancy，IM-JDD）方法的深度卷积迁移学习框架(Deep Convolutional Transfer Learning Network，DCTLN)，该框架采用二维振动图像作为网络输入，通过深度卷积神经网络提取图像的可迁移特征，提出的改进型联合分布差异方法实现了不同结构及工况下滑动轴承-转子系统故障特征的迁移学习。最后在结构不同的滑动轴承-转子实验台上进行测试，结果表明，本框架在不同工况下和不同机器间对无
标记故障样本具有较强的诊断能力，并优于其他竞争方法。

针对某车辆怠速工况下多次深踩制动踏板后驾驶室内出现“哒哒”声异响问题，采用小波分析方法快速识别出异响源为真空泵系统，对真空泵系统进行全面分析，确认异响原因为：采用真空泵抽真空时气流产生压力脉动冲击，该冲击经过“真空泵-管路-固定支架-前围板”结构路径产生异响传递至驾驶室。根据异响机理，提出4 种优化方案：（1）噪声源优化；（2）结构路径隔离；（3）路径低刚度隔振；（4）路径高阻尼衰减；详细介绍和对比分析4 种方法的优缺点，对于应用于工程实际的短期方案和长期方案给出建议，通过分析测试数据可知，采用这4 种方案可将原状态异常振动峰值从0.69 g分别降低至0.23 g、0.15 g（无异常峰值）、0.42 g、0.38 g，优化效果明显。

为了减少汽车冷却风扇产生的噪声，模仿猫头鹰翅膀的条纹状突起结构和翅膀前缘的锯齿状结构，对风扇叶片进行仿生学设计。通过正交实验设计确定9 种风扇叶片的设计方案，对9 种叶片方案进行计算流体动力学仿真分析，仿真结果表明，经仿生设计后的大部分叶片都起到降噪的效果。将由3D打印所得的叶片模型安装在原有的风扇叶片上进行噪声实验，对实验结果进行极差分析，研究各设计参数对风扇降噪效果的影响。通过极差分析得出，对降噪效果影响最大的因素是叶片条纹半径，其次是条纹所在圆弧间距离，然后是齿槽半径，最后是齿槽所在圆弧间距离。该研究对于汽车冷却风扇的降噪设计具有一定的参考价值。

运行工况的改变会对滚动轴承故障诊断中振动评价指标识别的准确性产生重要影响。本文以NU306E圆柱滚子轴承为研究对象，通过搭建轴承试验台测试获取了不同轴承故障类型、转速与载速条件下的振动信号峭度值、均方根值和脉冲值，分析了评价指标随轴承工况改变的变化趋势和敏感程度，并给出了剔除工况影响因素后的评价指标计算公式。研究结果表明：脉冲指标对工况变化的敏感度较低，而峭度指标对内圈故障轴承的载荷变化较为敏感；均方根值较适用于处于相对重载工况下的轴承外圈故障诊断中；在未知轴承故障类型情况下进行故障诊断时选用峭度评价指标最为合适；采用本文提出的评价指标计算公式可有效提高轴承故障诊断的准确性。该结论可为轴承故障诊断提供理论指导。

针对某储气库往复式压缩机组一级进气缓冲罐振动超标问题，对进气缓冲罐的振动及压力脉动进行测试分析，结合数值仿真分析讨论引起压缩机组进气缓冲罐振动超标的主要因素。为了有效解决缓冲罐振动超标问题，提出更改缓冲罐结构、安装刚性支撑和改变缓冲罐进气方向等振动治理方案，并进行数值仿真验证。根据现场工艺要求和条件，完成一级进气缓冲罐的现场改造，并进行现场振动测试分析和评价，结果表明治理后振动速度最大值为7.83mm/s，压力不均匀度为0.945 %，均满足API(American Petroleum Institute) 618 标准要求。压缩机组进气缓冲罐振动治理实施效果表明，所提出的减振措施有效降低进气缓冲罐的振动，延长了缓冲罐的使用寿命并提高了其可靠性。

运用COMSOL有限元分析法构建理想的双室法模型，研究玻璃厚度、空气层厚度及其耦合对双层中空玻璃隔声性能的影响。结果表明，当玻璃厚度恒为5 mm时，中空玻璃的隔声能力随着空气层厚度的增加而增强；当玻璃组合总厚度为27 mm时，玻璃和空气层厚度向相反方向改变时，在500 Hz 以下低频段6+15A+6 玻璃组合隔声效果最好，在2 000 Hz～4 000 Hz高频段9+9A+9 玻璃组合隔声效果最好，在125 Hz～4 000 Hz全频率段8+11A+8 玻璃组合隔声效果最好。改变中空玻璃的玻璃组合可以有效改善其在全频段的隔声性能，不同程度地消除隔声谷以及提高平均隔声量，此研究结论可为隔声窗户的制造提供理论依据。

针对经典K-均值奇异值分解(K-means Singular Value Decomposition，K-SVD)易受噪声干扰产生虚假原子，导致信号稀疏不彻底、故障特征识别困难的问题，提出基于麻雀算法优化变分模态分解(Variational Modal Decomposition，VMD) 参数联合K-SVD的滚动轴承故障诊断方法。首先引入包络熵适应度函数指标并基于麻雀算法优化VMD的模态层数k 和平衡因子α。其次利用平方包络谱峭度指标遴选最优模态，以所选模态分量相空间构造Hankel 矩阵进行K-SVD字典学习。最后对恢复至时间序列的稀疏重构信号进行包络解调，提取轴承故障特征频率。通过轴承故障仿真信号和全寿命实验信号进行验证，证明相较于经典K-SVD算法，所提方法在低信噪比条件下在轴承故障特征提取方面具有优势，有一定的工程应用价值。

半主动悬架具有成本适中、控制效果好的优势。通过仿真分析经典的加速度阻尼控制策略。仿真结果表明，加速度阻尼控制在降低簧上质量加速度的同时会导致悬架动行程恶化，且开关型控制策略会产生“振颤”现象。在加速度阻尼控制基础上提出一种阻尼连续可变的加速度阻尼控制。在1/4 车辆模型上对控制策略进行仿真分析。结果表明，改进加速度阻尼控制策略保留了加速度阻尼控制策略对簧上质量加速度的优化效果，同时避免了动行程的恶化。

内置式减振镗杆系统的振动与噪声一直是国内外研究的热点问题。为研究减振镗杆系统非线性振动与内部减振块吸振能量变化特性，引入考虑镗杆内部阻尼液和橡胶圈耦合作用的非线性阻尼和时变刚度，建立两自由度减振镗杆系统非线性动力学模型；基于减振块与镗杆杆体之间的相对运动分析，构建减振块吸振能量模型。研究减振块质量和外激励频率对系统动力学响应以及减振块最大吸振能量的影响特性，探讨非线性振动特征如分岔、准周期运动和混沌等与吸振能量变化之间的内在规律。考虑减振块质量与外激励频率关联作用或匹配关系的影响，分析参数平面上系统非线性动力学行为和减振块最大吸振能量的分布特性，研究结果可为减振镗杆系统结构优化设计和动态性能改善提供科学依据。

针对基于涡激振动无叶片风力机的气动噪声问题，建立捕能柱涡激横向摆动的仿真模型并进行验证，结合SST湍流模型和声类比法，探讨来流风速对捕能柱横向摆动噪声及远场噪声辐射的影响。结果表明，捕能柱涡激摆动产生的噪声为低频噪声，且噪声大小与其摆动角度和频率有关；捕能柱涡激摆动的气动声源为偶极子声源；最大噪声位于捕能柱中段位置，且捕能柱底部的噪声要大于其顶端；辐射噪声声压级与漩涡脱落频率存在对应关系；当来流风速处于锁频风速区间时噪声最大，且其衰减率小于非锁频风速。所得结论可为无叶片风力机的设计与安装提供指导。

为研究城市轨道交通受电弓单参数优化和双参数优化对弓网系统耦合性能的影响，首先建立受电弓-刚性接触网系统动力学模型，根据线路实测数据验证模型的准确性，然后采用接触力随机统计特征作为参数优化的目标函数，对CED125D型受电弓的9 个等效参数进行敏度分析，得到弓头等效质量的敏度评级最高，上框架等效质量及等效刚度次之，下框架等效刚度最低，并给出单参数优化建议。最后分析受电弓弓头3 个等效参数联合变化时的接触力统计特征，结果表明双参数优化能实现比单参数优化更好的弓网耦合性能，该研究可为城市轨道交通弓网系统设计、选型和评价提供参考。

针对风力发电机组轴承故障信号微弱、不易提取、识别困难等问题，提出基于自适应白噪声完备经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise，CEEMDAN)、时移多尺度排列熵(Time-Shift Multiscale Permutation Entropy, TSMPE)、主成分分析法(Principal Component Analysis，PCA)相结合的振动信号降噪算法，结合改进人工鱼群(Improved Artificial Fish Swarm Algorithm，IAFSA)优化支持向量机(Support Vector Machine，SVM)分类算法，实现风力发电机轴承的故障诊断。首先将风力发电机轴承原始振动信号进行CEEMDAN分解，得到一系列由高频到低频的IMF分量，通过相关系数筛选出经CEEMDAN分解后所产生虚假分量以及残余噪声分量并进行剔除，再通过峭度值在剩余分量中筛选出包含故障信息较多的IMF分量进行信号重构；其次，采用TSMPE计算重构信号的敏感特征值，经PCA选择后组成特征向量；最后，以IAFSA优化SVM，训练IAFSA-SVM多分类故障分类器，实现风力发电机轴承故障识别。将该方法与其他组合方法进行比较，证明所提方法在风力发电机轴承故障诊断中具有优越性和有效性。

变压器器身振动易通过底座向油箱传递，导致设备整体噪声水平上升。为降低变压器本体噪声，设计一种三维隔振装置。首先，搭建了10 kV/380 kV变压器等效模型，并进行磁致伸缩、模态、振动与噪声测试，掌握变压器声振传递规律；随后，针对隔振器服役环境，优选丁腈橡胶、氯化丁基橡胶和聚丙烯作为主要阻尼材料组分；最后，选取常用的压剪复合式三维隔振器用于变压器器身振动控制。在变压器等效样机上安装隔振器后，开展噪声振动测试，最终发现油箱表面振动值由0.239 m/s2下降至0.131 m/s2，声压级由55.3 dB(A)下降至51.6 dB(A)。

通过梳理气囊缓冲技术的发展历程和研究成果，总结缓冲气囊的一般构造、工作原理和设计流程。分别从气囊静态起爆展开特性研究、气体发生器与药剂研制、气囊动态起爆展开特性研究三个方面，介绍气囊缓冲关键技术。通过分析气囊缓冲技术典型特例——空气弹簧的研究现状，讨论既有气囊缓冲技术在工程结构隔震应用中所存在的问题，提出能够同时适用于天然地震动和爆炸冲击震动的地下防护工程概念性气囊式智能隔震系统构想。研究旨在拓宽气囊缓冲技术的应用范围，促进隔震系统向智能化、功能多样化方向发展。

高柔塔风电机组具有轻质、高耸等特点，对环境激励较为敏感，识别其动力学参数对了解风机的动态特性特别重要。基于随机子空间法，应用奇异值分解技术以及稳定图分析方法，方便快捷识别出高柔塔风电机组塔筒的固有频率、阻尼比、振型模态参数。通过分析不同工况下塔筒振动响应数据，验证了该方法在模型定阶和模态参数提取方面的一致性和正确性。

针对卷积神经网络（Convolutional Neural Network，CNN）在滚动轴承故障诊断应用中所存在超参数难以确定、网络输出不稳定等问题，提出一种基于差分进化算法（Differential Evolution，DE）优化卷积神经网络的故障诊断模型（CNN-DE）。首先，该故障诊断模型利用DE算法来自适应调节CNN中的超参数，同时将CNN的诊断精度和稳定性一起作为DE算法优化的目标，使得CNN在保证精度的同时降低网络的波动；其次，使用自适应噪声完备集合经验模态分解（Complete Ensemble Empirical Mode Decomposition with Adaptive Noise，CEEMDAN）结合多参数的诊断方法，从原始信号中提取出更加有效的故障特征；最后，根据提取出的特征采用CNN-DE、CNN和BP等算法进行故障诊断，结果表明所提出的算法模型拥有更高的精度和更稳定的性能，也具有优异的抗噪能力，显示了CNN-DE在故障诊断应用中的可靠性。

针对基于时频变换图像特征的机械故障诊断方法耗时长、诊断精度不高等问题，提出基于对称极坐标变换和图像形状特征的离心泵故障诊断新方法。该方法以对称极坐标变换（Symmetrized Dot Pattern，SDP）为基础，通过简单的公式将一维振动信号转换为二维极坐标下的对称花瓣图像，而后进行对称花瓣图像的形状特征提取，以此作为离心泵故障特征，实现离心泵故障诊断。SDP方法计算简单，且故障辨识度高，因此可以在耗时更短的情况下得到更高的故障诊断精度。离心泵故障诊断实例表明，所提方法诊断精度更高，耗时更短。为离心泵的故障诊断提供一种新方法。

地铁振动测试数据的可靠性是客观评价地铁源强及减振措施效果的重要基础，除了测试断面及工况差异，测试结果还易受测试过程中操作细节及现场不确定因素的影响。列举实测中发现的地铁隧道壁振动测试的振级异常增大现象及案例，通过时域、频域及振级时程分析导致振级异常增大的“猫耳”状振级时程曲线，总结出其出现原因包括测试传感器选型、安装、电缆线连接及固定等易被忽略的问题，在此基础上所提出有针对性的应对措施可作为相关测试规范标准的补充，有助于提高地铁隧道壁振动测试结果的可靠性。

轴承动载荷是影响旋转机械安全稳定运行的重要因素。在基于频响函数求逆法的动载荷识别模型基础上，针对频响函数矩阵病态性问题，提出基于响应点优化和截断奇异值分解（Truncated Singular Value Decomposition，TSVD）法的矩阵病态消除方法。首先，选择条件数最小的测点组合进行响应点优化，再利用TSVD法识别轴承动载荷。在所搭建的双转子实验台上设计识别方案，通过改变轮盘不平衡量，验证了根据该方法识别轴承动载荷的可靠性。

目前主要通过进气空滤器对发动机进气系统的气动噪声进行降噪，而通过对气动声源的研究进行源头降噪具有一定实际意义。但由于进气道-气门-燃烧室等的特殊性，难以测量声源的声学状况，故以进气道-气门-燃烧室为研究对象，通过仿真研究气动声源位置分布。结果表明：进气门密封锥面处偶极子声源强度较大；两进气道的气流相遇处以及靠近壁面处四极子声源强度较大。在原有结构中改变进气门过渡圆角半径R对气动噪声源进行控制，R增大为11 mm时，偶极子和四极子声源声压级(Sound Pressure Level，SPL)峰值分别降低7 dB和8 dB，噪声主要集中在中低频区域，频率大于2 000 Hz后SPL衰减迅速。增大R可以降低噪声源处的声能量，从而降低对外表现的噪声。

中低速磁悬浮列车的车内噪声对乘客的舒适性有很大影响，而关于中低速磁悬浮车内噪声特性仿真分析较少，有必要开展中低速磁悬浮列车车内噪声预测与分析。首先基于统计能量分析（SEA）对中低速磁悬浮列车进行车内噪声建模；然后，对仿真结果进行功率流分析，得到车内最大噪声出现的位置与显著频段；最后分别针对声源激励和车体隔声进行车内噪声灵敏度分析。结果表明：中低速磁悬浮列车车内最大噪声出现在客室中部和250 Hz～800 Hz频段内，这与车下声源分布有密切关系。地板隔声和受电靴-供电轨系统空气声源激励变化对车内噪声影响最为显著。通过统计能量分析和灵敏度分析对中低速磁悬浮车内噪声进行预测和分析，为我国中低速磁悬浮列车的低噪声设计提供有益参考。

针对球磨机筒体振动信号中存在非线性、非平稳性及环境噪声强等问题，提出一种基于粒子群优化最小二乘支持向量机（PSO-LSSVM）球磨机负荷参数（填充率和料球比）预测方法，并开发基于LabVIEW的球磨机负荷参数监测系统。通过粒子群(PSO)优化最小二乘支持向量机（LSSVM）算法中的正则化参数y 和核函数宽度，简化求解过程，提高模型训练速度。以球磨机筒体振动信号的Hilbert-边际谱样本熵为输入，以球磨机筒体内部的填充率和料球比为输出，建立基于PSO-LSSVM的磨机负荷参数预测模型。与LSSVM预测结果比较，该模型的预测精度较高，填充率平均绝对误差降低0.05、平均绝对百分误差降低8.09 %；料球比平均绝对误差降低0.04、平均绝对百分误差降低2.76 %。在线测试结果表明该在线监测系统准确率为64.37 %，且系统运行一次的平均时间为45 s，可实现球磨机负荷参数的实时预测。

电机振动信号具有非平稳、非线性特性，在进行时频域特征提取时需要人工确定时间窗口和基函数。针对该问题，提出一种基于EEMD(Ensemble Empirical Mode Decomposition)分解和权重熵变换的特征提取方法。该方法应用EEMD进行自适应分解，同时提取IMF(Intrinsic Mode Function)方差作为初始特征值，并提出将权重熵作为衡量特征值重要性的标准，通过权重熵对原始特征值进行空间变换，扩大特征向量间的差异。为验证该方法的有效性和优越性，对4 种状态下的电机转子进行振动信号采集，用于制作转子故障数据集，并运用EEMD进行特征提取。实验结果表明，基于EEMD分解和权重熵变换的特征提取方法能够更好地从振动信号中提取特征向量，在对电机进行故障诊断时具有更高的准确性。

：为合理评价桥梁现有运营状况，以桥梁变形监测成果为基础，先通过极限位移准则构建变形程度分级指标，以实现对桥梁变形程度的评价；其次，利用经验模态分解、核极限学习机和混沌理论构建基于变形数据信息分解基础上的预测模型，以实现其变形预测；最后，通过对比变形程度评价结果和变形预测分析结果，综合判断桥梁运营状况。实例分析表明：某桥梁变形程度已相对较大，变形程度等级为Ⅳ级，变形趋于向稳定方向发展；同时，通过变形预测分析可得该预测模型具有较高的预测精度，其预测结果的平均相对误差均小于2 %，且外推预测结果显示，桥梁变形具有小速率增加趋势，也趋于向稳定方向发展。因此，综合两者分析结果，得出该桥梁变形已趋于稳定，运营状况良好的结论。

为弥补传统材料难以有效控制低频噪声的不足，提出一种由弹性薄膜、穿孔质量环和背腔组成的薄膜型声学超材料，建立单元声固耦合有限元模型，分析其在10 Hz～700 Hz频段内的薄膜振动特性，探讨薄膜预应力、穿孔半径、背腔高度、附加质量和薄膜厚度对隔声性能的影响规律，并研究基于协同耦合隔声机理的多单元组合隔声效果。结果表明：薄膜与背腔和穿孔结构耦合能丰富薄膜在低频处的振动形式，较传统Helmholtz 共振腔和薄膜型声学超材料具有更宽的隔声频带；在考虑频段范围内存在6 个声衰减峰，背腔高度、薄膜厚度和预应力的改变可使第三和第四峰值产生明显频率偏移，多单元协同耦合可实现一定频率范围内的连续宽带隔声，分析结果可为低频噪声的轻质和宽带控制提供理论参考。

由于线路条件和行车速度的不同，地铁车辆段盖下不同功能区振源特性差异很大。对深圳某地铁车辆段进行现场实测，获得地铁列车在咽喉区及其在不同车速下在试车线运行所致振动在地面及上盖建筑中的传播规律，并对其环境振动影响进行评价。研究表明：在盖下不同区域地铁列车激励所引起同一建筑物的振动峰值所在频率不同，在试车线与咽喉区列车运行引起的振动峰值分别出现在63 Hz～80 Hz和31.5 Hz～40 Hz。场地土与上盖建筑物的振动耦合特性与振动频率相关，在较低频段4 Hz～25 Hz表现出整体振动特性，在中频段25 Hz～50 Hz振动出现一定程度放大，在63 Hz以上的中高频段中存在耦合损失。在地铁列车在试车线和咽喉区运行所引起的上盖建筑振动主要频率范围内，振动随着层高增加先减小再放大。研究成果可为地铁车辆段在不同区域振动控制提供参考。

为了验证平滑天棚控制的有效性和其有效的参数优化算法，以2 自由度悬架系统模型为研究对象，建立综合性能评价指标，经过粒子群算法优化参数，仿真结果表明，与被动悬架相比，综合性能评价指标提升11.17 %。以舒适性为控制目标，采用随机路面激励，平滑天棚控制的簧上质量加速度均方根值与被动悬架和开关天棚控制相比，都有显著的降低；采用正弦扫频激励，对系统振动传递特性进行分析，仿真结果表明，在中高频段，平滑天棚控制对簧上质量振动有较好的抑制效果。最后，通过半主动需悬架机械硬件在环试验，试验结果表明，平滑天棚控制可以减少振颤，降低簧上质量加速度。

为抑制轮毂电机所导致的电动车悬架系统振动负效应问题，基于动态减振半主动悬架构型，在最优控制理论框架下，分别设计全状态反馈二次最优（LQR）控制器和部分状态反馈H∞最优控制器，并分别以簧上质量加速度、电机所受最大动态力、电机垂向振动加速度、悬架位移和轮胎动载荷最小为目标，利用非支配排序遗传算法(NSGA-II)对加权系数进行优化。仿真分析结果表明：通过合理参数优化设计，部分状态反馈H∞最优控制可具有与全状态反馈LQR控制基本相当的控制性能。

振动噪声控制是前端轮系开发中的关键技术，对于轮系附件振动引起的噪声问题，行业内缺乏系统和实践研究。以某BSG（Belt-Driven Starter Generator）混动车型出现的空调压缩机啸叫问题为研究对象，通过压缩机台架试验、冷媒压力脉动分析和整车路径排查，确定噪声主要由压缩机激励皮带和轮系附件模态所致，并通过发动机悬置和车身传递到车内；结合模态测试和仿真手段，提出有效的工程化方案，方案实施后啸叫阶次降低15 dB以上，车内声品质得到明显改善。在解决问题的同时，为前端轮系附件的NVH设计，提供很好的工程实践经验。

随着我国高速铁路的快速发展，轮轨损伤型式逐渐多样化，并严重影响高速列车平稳性与舒适度。因此，建立高速动车组刚柔耦合动力学模型，着重分析多边形、扁疤、轮径差和凹型磨耗4 种典型车轮损伤型式对于高速列车平稳性和舒适度的影响。结果表明：考虑车体弹性时，当速度达到400 km/h 时，弹性模型横向平稳性指标较刚性模型增大3.4 %，垂向平稳性指标增大18.6 %，整车舒适度指标增大36.8 %。随着车轮多边形幅值和阶数增大，车辆平稳性和舒适度指标增大。扁疤长度增大对于平稳性和舒适度影响较小，对于不同形式的轮径差，同向轮径差作用下产生的影响最大，速度达到400 km/h 时平稳性和舒适度指标值较前轮对轮径差分别增大11.2 %和70.1 %。进行磨耗后期凹型磨耗踏面分析时，需要考虑车体弹性的作用，此时极易引发抖振。

针对某型超超临界1 000 MW机组在运行过程中出现的噪声大、瓦振大的声振故障进行诊断和治理。首先在分析机组高频振动的基础上对机组的振动和噪声进行测试分析，发现振动变化量以高频分量为主，并伴随高频的机械噪声，通过对进汽阀组的封装式弹簧支座振动进行进一步测试，发现进汽阀门弹簧支座的共振频率和振动、噪声的主频分量频率接近，得出故障为汽流失稳或摩擦所诱发的自激振荡，并诱发强烈机械噪声所致；然后对几例该型故障的共振频率进行分析，发现当封装式弹簧支座的固有频率下降至310 Hz时，弹簧存在劣化甚至断裂的风险，在运行和检修中应予特别注意；最后，给出对1 000 MW机组封装式弹簧组的评估及故障治理方法及流程图。

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。

针对机器人RV减速器行星轮齿根裂纹故障在机器人作业中表征不明显、转频及故障特征提取困难等问题，提出一种信息熵和变分模态分解相结合的RV减速器行星轮故障识别方法。通过伺服电机电流信号获取RV减速器在稳定阶段的电机主轴转频，从而计算RV减速器的理论特征频率。结合电流信号的瞬时频率趋势图同步截取稳定阶段的振动信号，通过包络分析确定振动信号故障特征频段范围。最后利用信息熵与变分模态分解消除其余特征频率的干扰，提取RV减速器的故障特征。实验结果表明该方法在RV减速器出现行星轮齿根裂纹故障时，能够有效识别故障特征。

对出口白俄罗斯的某型六轴宽轨机车一系垂向减振器卸荷参数进行选取。利用SIMPACK软件建立共计90 个自由度的整车动力学模型，在AAR5 级轨道谱激励下，首先对一系垂向减振器双向比大于、等于及小于1 时所对应的机车动力学性能进行对比分析，以确定压缩与拉伸行程的卸荷参数之间关系；进而以平稳性为目标，结合减振器两端相对速度分布范围，确定单侧行程的卸荷速度及卸荷阻尼力；最后在不同工况下进行动力学性能对比分析。结果表明：减振器双向比为1 时，即压缩行程与拉伸行程的卸荷参数选取为相同数值时，机车动力学综合性能最优；以平稳性为目标确定的最优卸荷速度及阻尼力相比其他方案中的卸荷参数而言，机车的Sperling 指标、一、二系悬挂装置动荷系数、轮重减载率均明显最低，只有通过R600 曲线时的脱轨系数不是最佳，但也能够满足安全要求。有关结论可为该型机车减振器卸荷参数的选取提供理论依据。

针对在空间大型挠性体表面布置压电驱动器控制挠性振动时，存在驱动力不足、驱动器安装困难等问题，提出一种在空间挠性体根部安装Stewart 平台来控制挠性振动的方法。同时考虑Stewart 平台动力学模型和空间挠性体动力学模型的不确定性，建立以Stewart 平台跟踪误差和挠性体模态位移为状态量的复合动力学模型。利用LQR(linear quadratic regulator）控制方法设计复合动力学模型的控制律，获得Stewart 平台的期望位姿，然后设计Stewart 平台运动的滑模控制器，以跟踪期望位姿，实现对挠性体的振动控制。对大型挠性太阳阵进行复合控制仿真研究。结果表明，所采用的基于Stewart平台的空间挠性体振动复合控制方法能够有效抑制太阳阵的挠性振动。

在软土和岩层不同地质条件下采集列车通过时隧道壁及隧道上方地面距隧道中心线水平距离为0、15 m和30 m处的垂向振动，经过Fourier 变换和1/3 倍频程处理得到振动的频谱特性，分析不同频段振动的传递损失。结果显示，对于软土地质和岩层地质，在传递过程中都存在两个振动峰值；振动从隧道壁传至地面0 m时，软土内高频振动衰减较大，岩层内低频振动衰减较大；在地面传播过程中，对于软土地质，在15 m处出现振动放大现象；在30 m测试距离内，12.5 Hz 以下的低频振动在两种地质条件下均衰减较小，在30 m处40 Hz 以上的振动在两种地质条件下均衰减较大，此研究结果可为不同地质条件下地铁线路上部建筑减振及地铁线路规划提供参考。

针对三相异步电机信号的不稳定性及故障特征提取困难问题，提出一种基于变分模态分解（VMD）与支持向量机（SVM）相融合的电机故障诊断方法。该方法首先将采集的信号通过VMD分解得到IMF分量；其次，计算各个IMF分量的能量，再将其构成特征向量；最后对每种状态随机选取400 组输入SVM模型训练，将剩余每种状态100 组用于测试，通过预测标签与实际标签的比较来判断电机的故障状态。采用该方法对4 种不同的电机状态进行故障诊断，结果表明与完全自适应噪声集合经验模态分解（CEEMDAN）、变分模态分解（VMD）提取各IMF 能量特征相比，基于VMD-SVM的三相异步电机故障诊断方法更具优越性。