针对传统神经网络在多维数据高分辨率特征识别和高精度信号提取方面的缺陷，开展基于残差自注意力机制的剩余使用寿命（RUL）预测算法研究。比较分析卷积神经网络（CNN）和长短期记忆神经网络（LSTM）的结构特性，揭示二者在长序列信息特征关联能力和局部特征提取能力上的局限性。研究自注意力机制，引入双层残差网络抑制误差函数反向传播中扩散性，进而构建了一种卷积记忆残差自注意力机制的深度学习方法。基于上述方法对典型航空涡扇发动机退化实验数据集进行仿真分析，结果表明：所述方法能够有效建立监测数据与发动机健康状态之间的关系，关键评价指标——剩余使用寿命预测的均方误差为225，相比传统自注意力机制均方误差降低了17.9%，验证了所述方法的可行性和有效性。

红外焦平面探测器杜瓦组件的真空绝热空间内存在多种气体来源，其中最大的气体来源是材料放气。文中针对制冷型红外焦平面探测器杜瓦组件真空绝热空间内表面吸附气体的解析、体扩散、渗透放气污染问题影响制冷启动时间，限制红外探测器组件的使用寿命，设计了一种用于红外探测器杜瓦内表面钝化处理方案，基于某型杜瓦产品实现了杜瓦内壁钝化膜的制备。采用压强上升法进行放气率对比测试, 并通过四极质谱仪进行了气体成分分析。放气率测试试验结果表明，钝化膜有效抑制了氢气的释放，杜瓦放气率降低一半以上。杜瓦内表面钝化膜处理方法简单有效，提升了真空寿命，具备工程化推广价值。