1.  可延展翼深海资源综合探测平台
        开展了6000m级深海表生矿产综合探测平台总体设计与集成研发，深海复杂地形条件下AUV高速地形感知与自主避障控制，面向高精度光-磁探测的三轴延展立体作业阵研发，深海矿产资源高效探测的多AUV集群指控方法的研究，该平台可搭载磁、声、光等多种探测载荷，完成深海表生矿产高效精准探测任务。

2.  无人水下航行器（UUV）矢量推进技术
        面向UUV高机动、高可靠、高效率的推进需求，课题组开展了可变载矢量推进布局设计、高效矢量传动结构设计等相关研发、研制工作，并进行了实际海上环境航行性能测试。

3. 仿生推进技术-生物与流体力学交叉领域研究
        对真实生物进行了观测研究，建立鳐鱼的形态学以及运动学模型，基于浸没边界方法、大涡模拟方法开展了游动生物的流场预报，完成了目前最高雷诺数的鳐鱼精细流场模拟，揭示生物高性能游动的机理，为仿生水下航行器的设计提供理论指导。

4.  海洋工程装备故障诊断及健康管理技术
        提出了基于操作流程构建诊断贝叶斯网络的新方法，建立了防喷器关井过程的故障诊断模型，解决了操作人员在关井过程中因信息不确定、证据冲突等原因导致的诊断困难问题。提出了一种融合人工神经网络、模糊集理论和最大似然估计算法的多源信息融合的故障诊断方法，克服了防喷器故障诊断面临的数据不完整、模糊、不确定等问题。研发了深水防喷器的故障诊断系统，实现了实时在线监测和故障诊断功能。

6.  机械手
        水下软机器人由于环境的安全交互、更好的柔顺性等，逐渐成为当前研究的热门领域。与传统机械臂相比它将在精细的操作任务、脆弱物体抓取，如生物收集，等领域起到关键作用。

6.  深度学习技术与流体力学的结合应用研究
        近年来，机器学习及深度学习研究领域快速发展，同时也为流体力学的研究带来了新的曙光。研究实现了：（1）多层感知神经网络与径向基函数的结合，提高了神经网络的拟合及预测精度，在使用更小规模神经网络时也可达到较高精度，（2）嵌入流体物理控制方程和经典有限差分离散方法，提升神经网络的流场预测能力。
 

7. 水下装备智能控制算法
        研究方向涵盖机器人的位置控制、力位混合控制以及基于深度强化学习的智能控制方法。通过传感器融合、滤波算法和轨迹规划等方法，提高机器人在非结构化环境中的定位精度和鲁棒性；利用深度强化学习算法，训练机器人在复杂环境中的自主学习和适应能力。