1.无标签、小样本、跨工况场景下的机械设备智能故障诊断机制

机械设备作为现代工业系统的核心组成部分，其运行状态直接影响生产效率、设备寿命和人员安全。随着智能制造和工业互联网的快速发展，基于数据驱动的智能故障诊断技术已成为保障设备可靠运行的关键手段。然而，在实际工业场景中，故障标注成本极高、故障样本稀少以及工况、设备型号不同和噪声影响等现实难题，严重制约了诊断模型的准确性和泛化能力。

针对上述难题，本团队聚焦无监督学习、小样本增强、跨域迁移等前沿技术，致力于构建更适应工业场景的智能故障诊断方法。通过深度挖掘未标注数据的潜在特征、有效利用少量故障样本、提升模型跨域诊断能力，突破现有诊断技术的局限性，为工业设备智能运维提供更可靠的技术支撑，助力我国制造业智能化升级。

2.复杂干扰下的AUV控制机制

自主式水下航行器（AUV）作为海洋探索的核心技术装备，在海洋资源勘探与环境监测等领域具有不可替代的作用，但其强耦合性、非线性特性以及水下任务与环境的复杂性、时变性导致传统控制方法难以保障系统的鲁棒性与可靠性，限制了AUV在复杂工况下的应用效能。

针对这一挑战，本团队聚焦深度强化学习等人工智能前沿技术在AUV控制领域的创新应用，充分发挥其在髙维特征提取和无模型控制方面的优势，研发新一代智能控制系统，使AUV在故障状态和复杂海洋环境下仍能保持稳定可靠的作业能力，为我国海洋事业发展提供坚实技术支撑。