近年来随着传感器的技术进步,使得滚动轴承的故障数据获取成几何倍数增长。然而,传统的深度学习方法在处理海量数据时,常常会出现效率低、计算量与占用内存过大的问题。为解决这些问题,文中提出了一个双层宽核卷积神经网络(Two Wide Kernel Convolutional Neural Network,TWCNN)模型用于滚动轴承故障诊断。该模型以一维振动信号作为输入(1D-TWCNN),通过在前两个卷积层中采用宽卷积核提取特征,实现了以较少的参数来获取更大的感受野,因此大幅地减少了网络模型的连接参数,使得模型的计算量大幅减少,效率提升。与传统的优秀轻量化模型MobileNetV3(Small)的变体和ShuffleNetV2相比,文中所提出的1D-TWCNN模型不仅总参数量远小于这两个模型。而且在滚动轴承的故障诊断中的诊断精度更高。

本文分析了传统工艺设计系统的不足，指出三维工艺设计系统的概念与内涵，提出一种包含装配和机加的三维工艺设计系统功能框架，论证三维工艺设计系统的关键技术，并研发出商品化的三维装配工艺设计系统SVMAN-A和三维机加工艺设计系统SVMAN-M，利用系统的功能进行实例验证，展示三维工艺设计效果。

航空发动机系统正在推进MBD技术的应用,其中工艺系统面临数据量过大,无法高效发挥MBD技术优势等问题,严重影响了MBD技术在航空发动机系统中的推广进程。此课题主要针对轻量化模型在工艺系统中的应用开展研究,解决三维实体模型占用存储空间过大,工艺系统平台（PDM）处理数据慢等问题,实现MBD技术在航空发动机工艺系统的应用的同时,充分发挥它的技术优势。