聚焦交通装备安全服役中重载、复杂工况等恶劣环境下的状态感知问题，围绕交通装备的传感机理与新型器件设计、智能感知方法和多源数据与模型融合技术等开展科技攻关，以突破交通装备健康管理技术瓶颈，保障交通装备的高可靠、高安全运营。
面向交通装备的传感机理与新型器件设计。针对交通装备关键部曲面结构复杂、传感数据单一等问题，研究基于功能薄膜与图案化电极的多功能传感原理，探索新型多功能传感设计方法，获取变工况与极端环境下远程采集关键部件的温度、应变、振动等信号；建立关键部件-新型传感器件-衬底的力电耦合模型；提出面向新型传感器件全方位感知的多功能传感材料与异形结构参数一体化设计方法，提升新型传感系统的机械适应性与电学性能响应，以实现交通装备关键部件的多频段多参量信号在线监测。
面向交通装备的智能感知方法。针对复杂工况和恶劣环境下交通装备智能感知面临的高效检测、全寿命覆盖、全方位感知等挑战，与单模态感知相比，智能协同感知采用视触融合的方式，研究交通装备关键部件传感部署、泛在感知和压缩感知等关键技术，实现集智能、高效、高精度于一体的交通装备智能感知技术体系，提升对交通装备关键部位在短时间内全面检测、不同阶段潜在问题精准发现以及全寿命周期健康管理的能力，为交通装备的可靠使用和行业发展做出积极贡献。
面向交通装备的数据与模型融合技术。针对交通装备关键部件智能感知数据的稀疏、异构、多模态等特性，以及复杂场景环境的自适应性需求，开展“数、模”协同的机器学习理论和方法研究，研究多传感多模态特征表示、时空聚类与关联挖掘方法、特征匹配与语义融合方法，构建时空特征融合、高维感知数据处理、数据与模型协同表示学习、跨模态不变性特征生成等机器学习模型，开发多传感、多模态融合和数据模型协同框架，为交通装备的智能运维和复杂场景下的自主决策等任务提供理论和方法支撑。
近年来，实验室紧密围绕交通装备行业的发展需求，针对交通装备损伤检测和数模融合的关键问题，联合代尔夫特理工大学、多伦多大学、中国铁道科学研究院、西南交通大学等国内外研究机构的优势学科，结合中国南昌铁路局集团有限公司、江西中车长客轨道车辆有限公司等龙头企业在轨道车辆领域的制造和工艺技术优势，通过产学研合作，重点解决车辆服役状态数据监测等关键技术甁颈问题。该方向承担国家级科研项目10余项，其他科研项目60余项，发表SCI论文80余篇，获江西省科技进步奖三等奖1项、中国仪器仪表学会科学技术进步奖三等奖1项等，获发明专利20余件，出版专著1部。经过3年建设，技术上预期达到以下水平：围绕交通智能运维技术与装备中的传感机理与新器件设计、柔性化深度视觉成像、高效、全寿命和全方位无损检测、数模融合协同感知的目标，基于机器视觉、智能无损检测和多传感器融合技术，建立交通装备安全状态感知新体系，力争在国内达到领先水平。