工作描述：该项目主要工作是针对军工特定的应用场景和需求，设计相应的特征工程及其模型算法，实现相关设备的异常检测、故障诊断以及故障预测（临近结题）
实现方法：1、针对XX设备中正负样本不平衡问题，设计基于改进GAN网络的GANomaly异常检测算法实现无负样本情况下的异常检测；2、针对XX设备有故障标签情况，设计基于深度残差收缩网络DRSN网络，实现特定情况下XX设备的故障诊断；3、针对XX电池容量有明显的退化趋势的情况，设计基于FA-GRU-CNN网络框架，实现其全周期剩余使用寿命预测。注：网络框架均是基于pytorch深度学习框架下开发的时序异常检测和故障诊断模型以及时间序列预测模型，并将上述在windows系统开发的算法模型迁移至国产化平台上，并实现了兼容。
个人收获：完整参与一个军工项目的方案设计、需求对接、算法设计、算法部署、软件调试、结项文档的撰写等工作，培养了快速学习新场景并设计算法解决问题的能力。