（1）基于机械理论与多元信息融合技术，提取一维信号处理方法对多种测量信号的一维特征信息，利用多维信息分析融合方式，构建多维信息空间对电机系统不同健康状态的描述表达；（2）提取信号一维信息并将其融合为多维信息，分析两者的模型映射关系，将低维信号数据通过信息融合的方法扩展至高维信息空间；（3）分析高维空间数据处理和数据挖掘原理，建立实际故障与图像直观特征之间的映射模型；（4）基于Dense-SIFT与词袋模型的方法，建立电机健康状态与故障信息之间的智能映射；（5）结合马尔科夫转移场图结构信息，分析多时空序列图神经网络对图结构信息的提取方式，研究多时空序列图神经网络对图结构信息进行时空相关性特征提取和学习方法，以实现对电机健康状态进行长期和短期故障预测；（6）对控制过程中故障智能诊断的质量信息进行采集，分析质量因素，提出改进措施，构建质量控制系统，形成全新工艺流程。