欠驱动机构运动学和动力学约束不完整，机构运动具有不确定性，欠驱动机构引入柔性运动副后可利用其弹性反力一定程度上弥补动力学约束的不完整，但其运动的确定性仍与机构的初始状态和柔性运动副刚度有关。针对该问题，以含有柔性移动副的平面二自由度欠驱动机构为研究对象，提出一种运动学、动力学求解的数值迭代算法，力求通过求得运动和动力约束方程的确定解来研究该类机构的运动确定性。首先，建立机构的运动学、动力学模型，然后，利用MATLAB对该机构进行求解，得出了不同初始状态下机构能够实现确定运动的最佳刚度范围，最后，通过多组数据分析得出了最优驱动力矩与柔性移动副刚度之间的拟合曲线。

由于杆长制造误差等因素的影响，水下探测基阵的扩展机构在扩展运动时会产生位置误差，导致换能器描点轨迹的偏差，影响探测性能。以某水下扩展机构为研究对象，基于封闭矢量法和误差独立作用原理建立了杆长误差下的水下扩展机构位置精度分析模型，研究了实际扩展过程中8个杆长误差及输入角度误差对水下扩展机构输出位置的误差影响，探索了一种杆长误差下的机构运动学分析方法，提出一种在不同加工精度下换能器描点运动轨迹的描述方法。

为控制非线性刚度转子系统振幅突变,将具有非线性变刚度功能的电磁支撑引入转子系统,建立了转子系统动力学模型。利用平均法导出了转子系统主共振频率响应方程。基于突变理论和奇点稳定性理论分别得到了转子系统的振幅突变区域和不稳定区域。借助数值仿真算例分析了非线性电磁支撑刚度参数对突变区域、不稳定区域以及振幅特性曲线的影响。结果表明：当激振力幅值在控制后的渐变区域内取值时,振幅突变得到完全控制;当激振力幅值在控制后的突变区域内取值时,振幅特性曲线仍存在多值特征,振幅突变仅仅得到部分控制。

测试了不锈钢螺纹连接在慢速预紧与拆卸、快速预紧与拆卸、涂胶后快速预紧与拆卸3种条件下的抗咬死能力,分析不锈钢螺纹连接的咬死机理,提出了螺纹连接咬死的预防措施。研究表明,快速预紧和拆卸引起的螺牙间高温导致不锈钢螺牙表面发生严重黏着磨损。黏着磨损产生的磨屑在螺牙间堆积,阻碍了螺牙的旋合过程并最终引起咬死现象。涂胶和减小预紧和拆卸速度均可降低螺牙间温度,从而减轻黏着磨损,降低不锈钢螺纹连接发生咬死的概率。

提出机械系统的失效动态相关可靠性可采用动态Vine Copula模型进行描述。采用Vine Copula函数将复杂多失效相关的机械系统可靠性问题转换为对多个二雏动态Copula函数进行分析。利用非参数估计算法，提出经验分布函数-局部极大似然两步法估计动态Copula函数中的时变参数，从而建立动态Vine Copula模型来描述多失效动态相关机械系统的可靠性；并重点对机械系统的串联体系可靠性进行建模与分析，进而对机械系统的可靠度进行求解。最后通过单级减速器系统的算例验证了所述方法的合理性及有效性。

针对故障齿轮振动信号的非平稳和调制特性,提出了在变分模态分解(VMD)-模平方阈值降噪的基础上利用概率神经网络(PNN)进行齿轮故障诊断的方法。首先,利用VMD将原始振动信号分解为若干个本征模态函数分量,采用模平方阈值方法对各分量处理后并重构;然后,提取重构信号的峭度和均方根作为特征值组成特征向量;最后,将特征向量输入PNN实现故障类型识别。通过齿轮故障试验分析,将其与基于EMD-模平方阈值、LMD-模平方阈值和EEMD-模平方阈值的BP神经网络故障诊断方法相比较。结果表明,该方法能有效的提取特征信息,故障诊断准确率高达96.875%,证明了所提方法的可行性和有效性。

鉴于非耐压承载结构对于UUV(Unmanned underwater vehicle)的重要意义,提出一种基于折衷规划法建立综合目标函数,以灰色-层次分析确定子目标权重系数的多目标优化方法。以某型UUV的非耐压承载结构为例,首先采用灰色-层次分析法,得到各子目标(典型工况的柔度和前3阶固有频率的平均值)的权重系数;然后,采用折衷规划法进行多目标拓扑优化设计。优化结果表明该方法适用于UUV非耐压承载结构的初始设计,可行且有效。同时,对比层次分析法和灰色关联分析法,该方法计算效率更高,优化结果更加合理。

基于虚功原理建立了机械手的完备刚体动力学模型,并对机械手动力学模型的各组成部分（惯性力矩项、惯性力项和重力项）进行了分类;在分析从动臂的运动对机械手力矩各组成部分贡献的基础上,提出了一种基于组合分配系数的刚体动力学模型简化策略;以简化刚体动力学模型与完备刚体动力学模型逼近度为优化目标,提出一种基于运动过程力矩偏差最小的优化指标,从而确定组合分配系数;基于以上刚体动力学简化方法,从机械手尺度参数与运动轨迹参数两方面因素出发,结合机械手典型运动轨迹,采用多因素分析方法,通过仿真分析了各因素对简化刚体动力学模型准确性的影响,结果表明该刚体动力学模型简化方法针对不同机械手尺度参数与运动轨迹参数均具有较高的计算速度和精度。

针对不同损伤程度的滚动轴承其内、外圈故障在背景噪声影响下难以检测的问题,提出补充总体平均经验模态分解(Complementary ensemble empirical mode decomposition,CEEMD)与Lempel-Ziv复杂度(简称LZC指标)分析相结合的滚动轴承损伤程度评估方法。首先,对滚动轴承振动信号进行CEEMD分解,得到多个IMF(Intrinsic mode function)分量;然后,基于峭度最大准则选取有效IMF分量并计算其Lempel-Ziv复杂度综合指标;最后,根据Lempel-Ziv复杂度综合指标的变化规律判断滚动轴承的损伤程度,并基于6σ原则给出了不同损伤程度的滚动轴承内、外圈故障Lempel-Ziv复杂度取值区间。将该方法应用于滚动轴承的损伤程度评估,分析结果表明了该方法的有效性和可行性。

当滚动轴承处于早期故障阶段的时候,受环境噪声和信号衰减的影响,滚动轴承振动信号特征频率成分难以精确提取,并且在信噪比较低时CEEMD不能很好提取微弱故障。针对上述问题,提出了基于互补集合经验模态分解(Complementary ensemble empirical mode decomposition,CEEMD)和最大相关峭度解卷积(Maxim correlated kurtosis deconvolution,MCKD)相结合的故障特征提取方法(CEEMD-MCKD)。两种方法的结合有效解决了CEEMD分解后无法提取出淹没在背景噪声中微弱信号特征的问题,又保持了信号的完备性,避免了有用信息的损失。通过仿真和试验验证了该方法的有效性及优点。