研究方向一：装备运行可靠性分析与寿命预测 

机械重大装备剩余寿命预测是一项理论上有难度、实践性很强，同时又具有重要社会意义和经济价值的工作。从产品全寿命周期的关键性能指标库中，研究最能反映装备性能的敏感因素，并对其敏感程度定量化，研究基于距离评估技术的敏感响应特征指标向量。通过对装备关键机构退化数据进行动态的跟踪和模型参数的更新，建立不依赖于其它同类型历史退化数据的、自适应性的实时故障预测模型（主要研究对象：大型数控机床、航空发动机、舰载天线传动机构）。

研究方向二：系统故障预测与健康管理

故障预测和健康管理技术是一项预先诊断系统完成其设计功能的状态，确定其剩余寿命或故障发生，并综合可用资源和使用需求，作出系统健康状态判断和维修活动决策的技术。故障预测与健康管理( prognostics and health management，PHM) 作为新一代装备的关键技术，对提高装备安全性和任务成功性，提高保障效能、降低保障费用具有重要作用。

研究方向三：基于深度学习理论的设备故障诊断与寿命预测技术

故障诊断与寿命预测是大型、特种、高精尖机械设备运行过程中的可靠性保证，利用深度学习理论进行故障诊断与寿命预测，集合深度对抗神经网络、深度迁移网络、贝叶斯深度隐变量网络，实现设备智能化维护。

研究方向四：亚纳米头盘界面失效/退化机理研究

通过对磁头动力学特性的高精度仿真，结合高精度时频分析-改进的集成噪声的经验模式分解算法，研究碰撞引起的头盘瞬态接触的动力学特性。通过对磁头不同磨损状态进行分析，研究头盘表面微观磨损萌生与扩展情况及温度对磨损的影响规律，探索磁头磨损的控制方法。（国家自然科技基金、华为公司合作课题）