团队致力于如何将认知科学、信息科学与工程科学相融合，建立一种具有自我认知、决策、控制和持续优化的智能制造系统。依托西北工业大学航空宇航科学与技术国家一级学科，团队聘请“德国工业4.0之父”、DFKI院长Wolfgang Wahlster教授等多名领域专家为技术顾问，在智能感知、智能计算、智能控制、智能加工系统等领域进行了深入研究合作。

　　近年来，团队聚焦认知技术在军事对抗和制造的赋能研发，在智能装备、智能制造、智能单兵武器、低空大负载飞行器、大负载氢能航空发动机、在轨卫星制造仿真、新一代卫星研制、激光武器智能化、船舶发动机数字化制造等方面取得了系列成果，长期服务于航天科技集团、兵器工业集团、中船重工等多家企事业单位。截至2024年，已和北京顺义、连云港、杭州上城区建立了联合研发机构，参与孵化了上海震巽智慧、杭州国腾逸达等4家高科技企业，通过企业行为将科研成果转化为技术产品，得到了国内和国际市场的认可。

　　系统认知将系统看做是一个具有自主行为的智能体，在探索人类认识和学习过程内在规律的基础上，与大量的专门知识相结合，通过模仿人类思维规律的认识和解题策略，赋予系统自感知、自学习、自适应和自决策能力，实现人类智慧向系统智能的转移，最终实现系统的拟人化。系统认知试图将认知科学、工程科学与复杂系统进行植入性的融合，是实现系统智能的一种新的技术实现原理和途径。

　　研究领域：

　　(一)系统智能感知技术

　　主要研究内容为：针对动态、复杂的系统执行过程，研究不同条件下不同系统资源运行数据以及系统运行数据的采集、感知技术，提高系统的数字化水平，支撑系统的智能化建设。目标是建立智能系统的“触觉”和“识别”器官。

　　研究子方向：

　　多源、多模态信息采集与融合：针对系统执行过程中的动态变化，研究包括设备运行参数、感知信号等信息的采集与融合技术，提供系统运行过程的原始数据

　　信息语义特征提取与融合：研究采集的多源、多模态信息中包含的信息语义特征及相应的提取技术，实现信息语义中事件、行为、意图等内容的识别;

　　复杂状态模型构建与识别：研究不同系统资源、执行工艺、运行参数等情况下的状态建模与识别方法。

　　(二)系统智能计算技术

　　主要研究内容为：针对系统执行过程的不同决策需求，在边缘计算、雾计算、云计算等支撑条件下，研究面向系统不同层次需求的智能计算技术，实现系统的在线分析、离线学习等计算技术，支撑系统的数字化建设。目标：建立智能系统的算力平台。

　　研究子方向：

　　基于边缘计算的系统运行现场实时计算技术：针对系统运行现场数据实时分析、决策需求，研究基于边缘计算的系统运行现场实时计算技术，通过数据分析、智能决策等技术，快速实现系统运行现场数据的预处理、分析计算，支撑系统运行现场的实时决策;

　　基于雾计算的系统分析技术：面向系统的快速决策需求，针对系统内局部环境的计算需求，结合雾计算、数据处理等技术，支撑系统状态的认知需求;

　　基于云计算的系统动态计算技术：针对企业的各类系统智能化管控需求，研究基于云计算的系统动态计算技术，利用深度学习、数据挖掘等技术对已有的系统数据进行分析，实现对系统运行数据的有效分析。

　　(三)系统自主认知技术

　　主要研究内容为：以数据驱动的方式构建系统的自适应认知能力，实现对系统内资源状态的精确定量评估以及对未来趋势的分析推演;通过不确定性推理的方式，明确系统内资源的状态对系统状态的影响规律，为系统自适应决策提供支撑，从而提高系统的稳定性。目标：构建系统的“大脑”。

　　研究子方向：

　　基于认知原理的过程知识学习：研究如何模拟人类的认知过程实现对系统运行过程知识的发现与学习;

　　认知结构的构建与演化：研究如何模拟人类的认知体系和知识学习的演化过程，实现对系统认知结构的构建和基于学习的演化;

　　基于大数据的系统运行过程认知技术：通过模拟人脑信息处理的过程和大数据分析方法使系统能够自主地学习及自我演化，具备对系统资源状态、工艺状况、产品质量等监测与趋势预测能力以及学习能力。

　　(四)系统自适应控制技术

　　主要研究内容为：面向系统的运行效率与运行稳定性需求，借鉴深度学习、优化决策等技术，研究系统自适应决策与控制技术，实现系统不同层次的优化决策，从而指导系统的动态自适应控制过程。建立系统的“自主执行系统”。

　　研究子方向：

　　基于认知信息学的多因素、多场景决策技术：结合机理分析与大数据分析的优势，以系统运行过程的认知结果为指导，结合已有的历史数据，形成面向不同场景的优化决策方案;

　　基于认知问题求解原理的行为规划技术：研究如何模拟人类基于历史案例前向元素规划原理的系统行为规划技术;

　　系统自适应调度技术：为了提高系统的运行效率与异常应对能力，研究系统自适应调度技术，指导系统资源的优化配置，提高系统的自适应能力。