动力总成激励是车内振动噪声的主要激励源之一,明确动力总成激振力可以为整车NVH（Noise Vibration and Harshness,振动、噪声和声振粗糙度）设计提供理论依据。由于动力总成内部结构复杂,直接测量激振力难以实现,只能通过测试动力总成系统的振动响应和悬置系统对应的动态特性参数来间接识别激振力。因此,动力总成悬置系统中输入参数的准确度对识别结果有较大影响,特别是无法在线测试、而其取值又随工况变化的悬置动刚度、滞后角等参数。已有的识别方法中,通常根据发动机转速计算系统的激励频率,以此为依据确定悬置的动态特性参数,忽略了激励幅值、环境温度、悬置拉压状态、悬置疲劳状态等因素,而悬置的动态特性参数取值又会随上述因素发生变化,且变化后的真实值难以准确在线测试。因此,以往的动力总成激振力识别方法中,难以得到与实际工况一致的激振力识别结果。为了解决这一问题,本文提出了考虑参数不确定性的动力总成激振力识别方法。具体工作内容如下:1、当发动机在稳态工况下,系统参数变化较小时,研究了系统不确定参数为随机噪声的激振力识别方法。首先建立了贝叶斯模型,推导含有随机不确定参数的概率模型。将随机噪声视为和测量噪声同分布的高斯白噪声。利用贝叶斯公式推导出激振力的后验概率分布,通过Gibbs抽样法确定激振力识别结果。2、当激振力变化规律表现为非稳态工况特征时（如加载/卸载循环工况、发动机转速波动或发动机转速恒定但振动幅值波动等工况）,系统刚度等参数在一定范围内波动,可将其视为区间不确定参数。建立区间与贝叶斯混合模型,首先识别区间中点的激振力,再根据区间分析得到激励区间值。最后讨论不确定度大小和不同结构参数对结果的影响。3、对于纯电动汽车,电机激励频率较高,当悬置发生高频共振时,悬置动刚度出现峰值,此时悬置刚度随除频率外的其他工况因素发生较大变化,难以确定其准确变化范围。因此,将其视为离散型未知参数。提出了基于多项式拟合与贝叶斯估计混合的识别模型。通过多项式拟合激振力的时间历程,推导其后验概率分布,将激励与未知参数一同求解。4、极端工况下,悬置系统发生大变形,系统参数呈现非线性变化。建立基于时延神经网络模型的动载荷识别方法,通过样本集训练、验证集验证,最后对测试集中的激振力进行识别并分析了网络的泛化能力。