研究如何将异构工程测量转化为具有物理意义的故障证据、机理一致解释和可信健康决策，并适应变工况、数据稀缺与未知环境。
- 01如何从非平稳测量中恢复稳定且具有机理含义的故障证据？
- 02如何把局部症状连接到故障机理与系统根因？
- 03在什么条件下诊断结论值得信任并可用于决策？
新闻与实验室动态
最新新闻与活动图片
实验室活动
最新科研动态
正在读取新闻数据…
核心研究方向
实验室研究什么
研究从数据中学习显式时序、因果与逻辑结构的方法，使模型决策能够被理解、检查、修正，并能够作为形式知识复用。
- 01如何联合学习离散符号结构与连续参数？
- 02如何使学习到的符号具有物理和时序语义基础？
- 03如何使形式知识在不确定性和分布变化下保持有效？
研究满足显式时序任务、安全约束、鲁棒性要求和人机交互目标的学习增强规划与反馈控制方法。
- 01如何将时序任务与人类意图转化为反馈约束？
- 02如何利用学习提升性能而不破坏安全性与可行性？
- 03如何将自主决策扩展到复杂交互系统？
方法体系
从可测证据到可验证行动
- 01证据
振动、力觉、视觉、事件、物理模型与运行环境
- 02表征
时频结构、因果图与时序逻辑公式
- 03推理
结构化神经学习、鲁棒优化与不确定性推理
- 04行动
故障诊断、维护决策、运动规划与安全反馈控制