本论文的主要任务是对动力总成悬置系统的橡胶元件结构进行分析与优化设计。 若要进行橡胶元件的结构分析与设计，首先必须要确定动力总成悬置系统各悬置元件在不同方向的刚度系数值。本文针对某轿车动力总成悬置系统，建立了11种不同的悬置布置方案，并且建立其六自由度的动力学模型，推导出振动方程的求解方法。应用机械系统动力学仿真分析软件ADAMS，作者对动力总成悬置系统在不同工况下的自振频率、振型、系统的能量分布、各悬置元件的平动位移和角位移进行计算及分析比较，尤其将悬置元件的平动位移和角位移作为重点比较对象，讨论了悬置元件的安装角度和刚度系数对上述性能参数的影响，得出了动力总成悬置系统的最佳方案。同时，得到了系统解耦的能量指标，并以该能量指标为设计目标，各悬置元件的平动位移和角位移，以及橡胶悬置元件的刚度性能为约束条件进行优化设计。通过设计研究求解各设计变量和不同目标的敏感系数，针对不同目标的优化结果，对各刚度系数进行计算分析，得出该动力总成悬置系统各悬置元件在不同方向的刚度系数的最优解，其左右前后悬置在X,Y和Z方向的刚度系数分别是：204.78N/mm，144.46N/mm，279.66N/mm，164.53N/mm，226.06N/mm，166.36N/mm，625.4N/mm，164.17N/mm，210.08N/mm，473.49N/mm，116.27N/mm和217.62N/mm。 由于橡胶悬置元件实际结构比较复杂，截面形状不规则，无法用传统的优化方法对其结构优化。本文利用遗传算法和神经网络相结合的策略对前悬置橡胶元件的几何结构参数进行优化，即用神经网络学习算法建立橡胶悬置元件几何结构参数与其三个方向刚度系数的非线性全局映射关系，获得遗传算法求解结构优化问题所需的目标函数，用遗传算法进行优胜劣汰的寻优搜索运算，求出最优解，得到悬置元件的横截面形状。利用MARC对其仿真后的结果是：Kx=179.61N/mm，Ky=565.42N/mm，Kz=126.43N/mm。 最后，本文在优化设计中得到的横截面形状的基础上加工出橡胶悬置元件，并对其进行试验。橡胶悬置元件试验测量得到的各方向刚度系数分别为：Kx=191.07N/mm，Ky=541.02N/mm和Kz=117.21N/mm，与动力总成悬置系统设计中得到的刚度系数Kx=175.07N/mm，Ky=521.21N/mm和Kz=136.81N/mm相比，其误差分别为：9.13％,3.87％和16.72％。优化设计的仿真结果与试验结果基本相符，说明利用神经网络和遗传算法进行结构参数优化的方法是可行的。