1. 故障诊断与定位

采用数学建模、信号处理以及人工智能算法，对轨道交通牵引变流系统关键部件（功率管、传感器、电机、变压器等）故障进行在线诊断与定位。

2. 状态辨识与寿命预测

根据既有控制信号与传感器信息，采用数字滤波、模式识别以及最优估计等方法对轨道交通牵引变流系统关键部件（如电容器）状态参数进行计算、辨识，结合实时状态、加速老化试验数据以及机器学习算法对关键部件剩余寿命进行预测与评估。

3. 数字孪生建模

基于系统机理分析、数学建模以及3D可视化技术，构建具备虚实交互能力的轨道交通装备高保真数字孪生模型，为车辆及其关键部件在复杂运行工况下的性能分析、健康状态评估、运维决策与系统反馈设计提供先进科技力量支撑。

4. 储能部件健康管理

以车载蓄电池为研究对象，结合电化学、控制以及深度学习等领域技术，对SOC/SOH估算与预测、故障诊断与安全保护、能量控制管理等开展研究。

5. 虚拟轨道车辆自动驾驶（California PATH, UCB）

采用先进的状态感知与自动驾驶技术控制车辆根据既定、隐形的运行线路行驶。

6. 智能公交运营系统（California PATH, UCB）

面向多制式载运工具联合运输，设计公交与乘客的智能交互系统，支持乘客的即时预约与公交的智能运营决策。

7. 其他

电力电子、电力系统等相关技术研究。