随着计算机技术的不断进展,工业领域中的CAD协同设计需求日益增多,冲突作为协同设计面临的焦点问题,正在引起学者和行业工程师们的高度关注。近年来,研究者们提出了不同的消解算法和规则,但是都有其不足之处,目前的研究成果更多的侧重于冲突检测以及保守的冲突消解策略(尽量避免错误发生或者加锁),这极大的限制了协同设计的效率。针对上述问题,本文设计并实现了一种基于指令流的异构CAD协作平台,在此基础上提出了一种在CAE数据驱动下基于机器学习的冲突消解策略。由于CAD协同设计过程中产生冲突的原因非常复杂,就当前的技术而言,实现通用的CAD协同冲突自动消解策略并不现实,本文采用分而治之的策略针对大量以刚度、强度、轻量化等指标作为优化设计目标的结构件(与之对应的比如:以美观、造型风格等为设计目标的汽车外覆盖件),利用CAE多目标优化作为机器学习训练集的最终设计结果,构造相应的数据库用于机器学习模型训练与衡量冲突消解。以工程中常见的阶梯轴设计为例,基于TensorFlow平台搭建神经网络模型进行学习与预测,该方案在已有CAE数据驱动下,避免了设计过程中优化算法大量迭代计算,对比预测结果与CAE优化结果有较高的准确度,使得工业产品协同设计过程中的冲突实时自动消解成为可能。结果表明:本文提出的协同设计框架运行良好,在冲突解决方面也有很好的表现。