针对机械故障诊断中缺乏大量故障样本进行训练的问题，提出基于图论和直推式支持矢量机(Graph theory and transductive support vector machine, GTSVM)的故障诊断方法。通过建立数据矩阵的完全图，定义一种基于密度敏感的距离描述图中各个节点即样本之间的相异性，有效地利用数据空间结构信息，并以Iris数据进行仿真分析。对齿轮箱在三种运行模式(正常、齿面轻微剥落、齿面严重剥落)下的振动信号进行分析，提取11个时域特征指标，用主元分析对11个特征进行选择，采用图论方法对选择后的特征数据进行处理，然后用梯度下降法训练直推式支持矢量机，实现故障检测和分类。将GTSVM法与支持矢量机法、直推式支持矢量机法进行对比，结果表明，GTSVM法的分类正确率最高。此外，经过主元方法进行特征选择后，故障检测性能也得到较大提高，表明该方法能应用于齿轮早期故障诊断。
随着各种小型的非球面光学零部件的广泛应用，其成型模具的制造精度要求也日趋提高。针对目前我国尚未完全掌握非球面模具的超精密磨削技术的情况，对超精密单点磨削和形状误差补偿方法进行研究。利用在位接触式的测量系统的测量数据重构实际的磨削轮廓曲线。根据实际磨削轮廓与目标轮廓之间的法向距离，求解出法向残余误差，并提出基于超精密单点斜轴磨削的形状误差补偿方法。利用超精密磨床对口径为6 mm的超硬碳化钨的非球面光学模具进行超精密磨削、在位测量与误差补偿试验，经过两次循环，其形状精度(Peak to valley, PV)从449 nm改善至182 nm。
