密切结合社会需求和国家战略，长期开展基于声学的大型设备状态监测研究。针对真实工业场景中故障数据稀缺、标签信息不完全等实际问题，将信号处理与机理分析、模型驱动与深度学习及数据驱动技术有机融合，系统研究小样本、弱标签条件下的设备异常识别与故障诊断方法，具体涵盖设备运行状态监测、结构健康监测以及环境噪声分析等方向。在船舶噪声监测、水泵桨叶空化监测、管道泄漏检测及铁路轨道检测等典型应用中取得多项原创性成果。课题组与轨道交通、航天、能源、军工等行业建立了长期深入的合作关系，为理论研究与工程实践的紧密结合提供了坚实支撑。
具体研究方向包括：设备状态监测与故障诊断、机器学习、深度学习、声学信号处理与分析。