5.大數(shù)據(jù)驅(qū)動故障診斷深度學習技術
　　制造裝備運行過程中產(chǎn)生的海量特征數(shù)據(jù)蘊含大量的故障信息，在收集智能裝備運行特征數(shù)據(jù)的基礎上，應用深度學習算法對大數(shù)據(jù)進行知識挖掘，獲尋與故障有關的診斷規(guī)則，實現(xiàn)對制裝備的故障進行智能預測和分析。

　　6.數(shù)字孿生與數(shù)字樣機建模分析技術
　　數(shù)字孿生充分利用物理模型、傳感器更新、運行歷史等數(shù)據(jù)，集成多學科、多物理量、多尺度、多概率的仿真過程，在虛擬空間中完成映射，從而反映了相對制造過程中各裝備的全生命周期過程。

　　7.多技術路線工作方案優(yōu)化決策技術
　　針對不確定性的、半結構化或非結構化的智能制造工作方案決策問題，通過信號推理、定量推理等方法，在不確定性、不完備、模糊信息的環(huán)境下實現(xiàn)智能制造與產(chǎn)品設計旨在服役多目標多技術路線工作方案優(yōu)化的自主決策。

　　8.工藝工裝協(xié)同推送與自動裝夾技術
　　個性化推送技術及語義檢索技術融入工藝工裝推送過程中，基于融合智能裝備與產(chǎn)品工藝工裝特征的個性化語義檢索，形成個性化的工藝工裝協(xié)同推送機制，提高智能制造工藝設計過程中獲取產(chǎn)品工藝工裝的效率。

　　9.產(chǎn)品知識圖譜與知識網(wǎng)絡構建技術
　　通過對分布的多學科知識數(shù)據(jù)進行結構層次上的集成，消除多學科多領域知識數(shù)據(jù)的語法和語義分歧，使得數(shù)據(jù)結構具有一致性，進而對設計設計庫數(shù)據(jù)進行知識表示，完成知識庫的建立。
　　結構化數(shù)據(jù)、半結構化數(shù)據(jù)、非結構化數(shù)據(jù)通過結構化改造和篩選整合，形成趨同或者一致且無冗余的結構化數(shù)據(jù)，也就是將客觀世界主觀抽象成設計數(shù)據(jù)庫，再通過知識表示形成知識庫。

　　10.機電液一體化云平臺知識服務技術
　　知識服務技術著手于知識的自動推送，有序地組織機、電、液一體化跨學科知識，并在合適的設計過程中推送給設計人員合適的設計知識，從而實現(xiàn)跨學科知識服務的個性化、高效化和智能化。