研究方向：人工智能、故障辨识、传感网络、智能感知、无人系统、机器学习、进化计算、物联网等。
讲授课程：机器学习、系统仿真技术、系统建模与仿真技术（本科）、自动化创新设计与创业实践。
学生团队：本科生创新团队40余人（从大一开始培养），指导本科生、研究生参与互联网+，挑战杯、电子设计，robomaster等多项全国性大赛。
主要荣誉：入选2023全球前2%顶尖科学家榜单
负责基于WIFI的室内定位与导航系统的研究；同时在美国加利福尼亚大学伯克利分校教育联盟新加坡研究中心(BEARS,Berkeley Education Alliance for Research in Singapore Limited) 参与热带地区建筑节能与可持续发展联合研究项目(SinBerBest,Singapore-Berkeley Building Efficiency and Sustainability in the Tropics)
面向无人机自主巡检，在大疆机巢基础上进行升级改造，增加嵌入式图形计算单元槽位，安装计算控制系统，配置相关计算环境，并与原有的大疆系统进行充分融合及联动，使机巢具备边缘计算能力。基于机巢的边缘算力，开发前端轻量级目标检测和部件缺陷粗辨识模型，设计深度学习模型通用软件接口，实现机巢智能识别模型的有效管理。设计面向巡检的云端服务器，为云端管理节点统筹巡检任务规划。开展机巢信息流、数据流以及状态流的云端综合管控技术开发。结合机巢边云算力特点，研究边端粗筛、云端精检的协同作业机制，开展输电线路的多机巢云边协同巡检综合试点探索。
本项目开展适用于无人机的前端AI软硬件研究，实现无人机前端AI计算能力；基于无人机前端轻量化视觉感知技术，设计智能巡检辅助拍摄系统，为无人机巡检航拍开发专用的“金具模式”，配合巡检导则，自动捕捉聚焦巡检目标，提升巡检图像的拍摄质量。为输电线路巡检的精益化管理工作提供技术支撑
当前的电力巡检图像数据分析均是由人工完成，人工识图的工作量大，并且需要配备专业人员，完全依靠经验来寻找缺陷，易产生错判或者漏判，识图效率低下。需要建立巡线数据的智能分析系统，实现输电线路的自动状态检测。将人工智能技术融入输电线路无人机巡检中，形成“作业管理>数据管理>数据分析>应用示范”全链条的研发与应用示范及推广。
2018参与了2次国家电网组织的巡检影像人工智能处理技术验证工作
已申请10项发明专利（实质审查）, 相关成果在2019年6.18海峡项目成果交易会参展
现阶段对无人机输电线路关键部件拍摄的图像还没有形成相应标准，无人机巡检过程中采集到的海量巡检图像质量参差不齐，需要依靠人工进行缺陷样本标注，严重影响后期的数据处理工作。为此本项目基于交互式增强学习技术开发架空输电线路巡检图像质量分析与交互式标注管理平台系统，提出对巡检图像清晰度与目标合格率的评估方法，设计可持续优化的巡检图像自动标注交互技术，解决巡检图像质量评价与缺陷标注中的关键技术难题
无人机全自主电力线巡检技术：自动起飞与定点降落、易损点识别与悬停监测、任务管理与大数据分析；
基于无人机的运检维护系统：模块化运检传感系统、故障模块的无人机更换技术；
已申请4项发明专利，已经获得2项国家发明专利授权, 相关成果在2017年6.18海峡项目成果交易会参展
针对目前中小科技企业以及科研院校对人工智能GPU计算资源与开发环境的需求、人工智能研发与教学培训需求，分别为科研支撑和教学实习开发高性能的软硬硬件平台系统，并配套部分实训案例。解决多GPU集群运算的资源调配和虚拟化问题，提出及设计软硬件系统的架构方案。研究适合多种科研教学需要的GPU弹性计算资源并行调度机制和多层级多用户管理系统。
定期人工巡检是国内外大数据中心当前及今后运维工作的重要部分。新技术不断发展下，人工巡检工作在巡检监管、故障消缺、作业效率、作业规范等方面都有极大的提升空间。因此，需要设计满足大数据中心安全监管的智能化巡检管理系统，通过结合室内定位技术及基于人工智能的影像分析处理技术，进一步规范及约束巡检人员在规定的时间地点做规定的事情，实现巡检点、巡检内容与巡检人员的高效联动，提升大数据中心人工巡检的智能化水平。
室内定位系统研究：被动式WIFI室内定位技术、室内外无缝定位技术、基于蓝牙Ibeacon定位技术；
WIFI智能感知技术研究：区域入侵检测、WIFI感知智慧养老、非接触式健康医疗检测；
相关成果在新加坡南洋理工大学、新加坡国立大学、美国加州大学伯克利分校已部署演示系统。
实现配电、照明、电气设备等的启停控制、状态监测与电能监测，采用C/S架构实现设备管理、配置管理、用户管理、权限管理、日志管理、统计报表、预警告警、遥控遥操、图表显示、趋势分析功能。
本项目围绕架空输电线路无人机巡检的关键技术问题，拟以架空输电线路主要部件的缺陷辨识 研究为基础，逐步开展针对架空输电线路关键部件的智能化辅助拍摄与无人机巡检图像的拍摄质量 评价研究，并考虑无人机前端设备有限的计算资源，探索架空输电线路缺陷辨识模型的轻量化设计 方案，构建边云协同感知机制，为轻量级架空输电线路智能巡检提供技术支撑。
针对因FBG节点退化所引起的解调异常、 网络失效以及精度劣化等问题,本项目力图为解决FBG传感网络畸变光谱容错和失效节点自愈提供有效的解决方案。本项目旨在提升FBG传感网络整体容错水平和自愈能力,为实现高可靠的智能FBG传感网络提供技术支撑,具有重要的学术意义与参考价值。
光纤光栅传感网络作为结构健康监测领域新技术，近年来倍受关注。本课题将运用机器学习方法实现光纤光栅传感网络自诊断技术，建立诊断模型，从正常载荷状态和结构对象损伤的不同光谱形态中，将自身故障辨识出来，并估计出异常节点的位置，提升传感网络可靠性。
本课题将在常规的串并联网络结构下设计全新的自修复解决方案:研究光纤光栅传感网络的传感监测工作机制,设计并建立与传感器具有一致输出特性的虚拟冗余监测模型;引入在线学习反馈机制,在无故障模式下实现自适应优化更新模型参数;当感知故障发生时,及时处理和分离故障节点,将虚拟冗余模型替代原节点执行监测任务,实现网络故障的实时自修复和监测系统的稳定运行。
本课题研发的机器人定位为具有非常强的适用性和实用性的智能家居服务机器人，其目标是要打造智能家居新的生态环境，采用互联网+语音识别/合成技术+智能家居控制技术+家居服务机器人技术，以“互联网+”为平台构建智慧家庭生活创新技术与商业服务模式。
本项目探讨在配电巡检背景下基于无线信道状态特征的异常行为检测问题，综合考虑精细化巡 检操作的无线信号时频特征，逐步开展多层级融合长短时记忆神经网络的巡检连续行为辨识模型研 究，运用生成对抗网络探索异常操作行为检测方法，并设计实现人员异常行为监测与分级预警系 统。
光纤光栅(FBG)传感网络凭借其线性传感、高灵敏度、抗电磁干扰等优良特性，是目前最具潜力的光传感技术。针对FBG传感网络在实用化过程中存在的非对称光谱解调难和带宽资源利用率低两大问题，本项目力图在带宽重叠复用模式下为FBG的高精度传感解调提供一种全新的解决方案
本项目从多目标优化角度探讨多泵浦拉曼光纤放大器的增益平坦化问题。通过设计高效拉曼耦合方程求解方法，建立权衡放大增益和增益波动的优化模型，灵活调整泵浦功率和泵浦波长的组合，实现增益均衡和增益控制
本课题以多传感器数据融合技术为主导，结合WIFI、蓝牙、UWB等多种定位方法，为室内精确定位提供一套完整解决方案，打造多传感器融合的室内定位平台，增强室内定位系统的精度和可靠性。
在《IEEE Photonics Technology Letters》、《Optics Express》《IEEE Photonics Journal》、《Sensors and Actuators, A: Physical》、《Sensors》、《光学学报》等国内外期刊上发表了SCI/EI论文80余篇, 论文引用量4000+，H-index:33.入选2023全球前2%顶尖科学家榜单。
近五年发表的部分代表性论文： [1]X. Liu, X. Miao,H. Jiang(通讯作者),J. Chen,M. Wu,Z. Chen, “Component Detection for Power Line Inspection Using a Graph-based Relation Guiding Network”, IEEE Transactions on Industrial Informatics, 1(1): 1-11, 2023. (SCI 1 区,IF: 11.648)