随着旋转机械结构参数的提高，作用在转子上的气流激振力将显著增大。笔者针对松动转子密封系统进行了研究。应用Muszynska非线性密封力模型，建立了在气流激振力作用下的松动转子系统耦合动力学方程，分析了在非线性密封力作用下的松动转子运动特性。着重讨论了迷宫密封的物理和结构参数对松动转子运动特性的影响。研究结果表明：系统具有非常丰富的非线性动力学行为，气流激振力对松动转子的准周期运动有明显的抑制作用，密封结构的各主要参数对系统稳定性有很大影响，可以通过调整密封参数来改善系统的动态稳定性。

以改善空气悬架动态性能为目标,提出一种基于气动人工肌肉理论的空气悬架系统。在建立二自由度车辆悬架系统模型、空气弹簧模型、气动人工肌肉动态模型以及迟滞特性数学模型的基础上,依据气动人工肌肉理论的执行器动态特性,设计模糊PID控制策略。对不同路面的仿真结果表明与被动悬架相比,采用模糊PID控制的空气悬架动态特性有一定改善;对于基于气动人工肌肉理论的模糊PID控制的空气悬架,车身垂向加速度和车轮动载荷均方根值分别降低72%和41%,两指标的功率谱密度在人体敏感频率区域得到明显改善。仿真实验验证了采用基于气动人工肌肉理论的空气悬架系统对车辆行驶平顺性改善的可行性。

近二十年来，特别是近十年来，稀疏分解的理论与应用都取得了重大的发展，在故障诊断领域也有大量文献发表。针对已发表的文献，对稀疏分解方法的发展进行综述，在简要介绍稀疏分解方法的基础上，针对其存在的问题总结了现存的改进算法，包括改进原子库、改进计算速度，其中快速算法主要介绍智能稀疏分解方法，并总结了稀疏分解方法在旋转机械故障诊断中的应用，此外，还讨论了一些新的研究趋势，包括人工智能稀疏分解、针对特定信号的稀疏分解以及有利于故障诊断技术发展的复合故障稀疏分解方法等。总结得到，稀疏分解方法在旋转机械故障诊断领域的发展具有广阔的前景，未来会有大量结合人工智能的新算法出现。

针对齿轮箱轴承故障信号含有大量噪声而特征难以提取的问题。文章提出一种基于MCKD（最大相关峭度解卷积）和小波包熵值相结合的齿轮箱微弱故障信号提取方法。首先根据MCKD对故障信号进行降噪,突出信号中的有效冲击成分。然后进行小波包分解得到包含故障特征成分的末层节点信号,并以互相关系数-小波包熵值为准则对最后一层节点信号进行筛选并获取敏感节点信号,最后通过对敏感节点信号进行重构从而获得降噪后的轴承故障信号。实验结果表明该方法能够很好的滤除信号中的噪声并且准确地提取故障信号中的冲击成分,是对齿轮箱微弱故障特征提取的一种新方法。