基于Transformer-Bi-LSTM模型的武器装备剩余寿命预测方法

武器装备担负保卫国土安全的重要使命,其保持稳定运行状态具有重大国防、政治意义;因其装备运行状态不便中断、故障定位过程复杂,使得传统维修方式效率较低;装备使用数据具有连续性、长期性、不平稳性,甚至一些深度学习模型无法处理其中的退化状态历史依赖与关联问题;通过构建元器件层级的剩余寿命预测架构,对特征工程、退化指标构建以及Transformer-Bi-LSTM模型开展研究,采用距离编码技术,实现针对深度学习模型的技术创新,优化模型预测效果;基于某型武器装备主要器件正常试样数据,进行本方法分析验证,在器件已运行时间达到90%设计试验寿命长度时能够进行有效且准确的剩余寿命预测,所提方法满足武器装备器件寿命预警及更换提醒、保障装备战备完好性的应用需求。     

舰艇编队协同防空一体化防御作战体系研究

未来海战场面临的威胁环境突出表现为“单/多方向连续目标饱和攻击”、“低空隐蔽突防”和“复杂电磁干扰下目标攻击”,依靠单一的水面舰艇分层防御作战体系已经不能满足快速发展的战场环境,构建基于编队协同防空一体化作战体系是适应未来海上防御作战的重要发展方向,编队协同防空一体化作战体系应从预警探测体系、指挥控制体系、作战筹划与推演系统及火力打击体系等方面进行研究,其关键技术在于实现统一态势图、高速数据链、海空天一体化指挥控制以及多武器协同防御等技术难点。