机床与液压

作者：费春国，潘通

单位：中国民航大学电子信息与自动化学院；中国民航大学电子信息与自动化学院

关键词：航空发动机;时间卷积网络;剩余寿命预测

针对现有RUL预测方法在长时序依赖建模、多源传感器特征空间相关性挖掘及动态特征选择等方面的不足，提出MsTCN-Informer-MFN预测方法。通过MsTCN模块实现局部突发信号与全局渐进退化特征的分层提取；引入稀疏自注意力机制与特征蒸馏策略的Informer模型，显著降低计算复杂度的同时增强对全生命周期退化轨迹的建模能力；最后，MFN模块通过动态权重分配与跨变量交互机制，利用门控权重单元对多维传感器信号进行动态特征融合，捕获随时间变化的空间关联关系，抑制冗余特征与噪声干扰，从而在退化过程实现更精准的剩余寿命估计。基于C-MAPSS数据集的实验结果表明：所提方法在FD001-FD004子集上的均方根误差（RMSE）与评分函数（Score）均优于DSAN、TFTA-Transformer等现有先进模型，尤其在复杂工况（FD002和FD004）下的RMSE较STRUL模型分别降低15.08%和8.78%，验证了其在多工况场景下的鲁棒性与泛化能力。

来源：2026年第2期

《机床与液压》期刊编辑部

查看机床与液压杂志2026年第2期