机床与液压

作者：陈栋，黄国勇

单位：昆明理工大学民航与航空学院；昆明理工大学民航与航空学院

关键词：发动机剩余寿命;编码器（Encoder）;自注意力机制;特征融合

为了更准确地预测航空涡扇发动机剩余寿命（RUL），充分提取利用不同维度传感器数据之间的相关性和手工筛选特征，提出一种基于多层Transformer编码器（Encoder）和多个手工筛选特征融合的预测模型。利用多层编码器（Encoder）进行特征筛选，利用编码器多头注意力机制同时处理发动机整个特征序列，提取各维度传感器数据之间的相关性并重新分配权重，使模型能够捕捉到各维度不同特征之间的相互依赖关系；利用模型提取每个特征维度的均值、线性回归趋势系数及传感器数据与真实剩余寿命的协方差3个手工筛选特征，将编码器的输出进行展平和多层全连接处理，然后与手工筛选特征进行拼接，经过全连接层对RUL进行预测。将所提模型在公开数据集C-MAPSS的FD001上进行验证，对比未加入手工筛选特征的模型，文中模型的RMSE降低了18.4%，Score降低了30.3%；对比未对Encoder输入数据进行转置操作的模型，文中模型的RMSE降低了20.8%，Score降低了44.9%，编码器（Encoder）提取了不同维度传感器之间的相关性，通过融合不同手工筛选特征提高了发动机剩余寿命预测准确性。针对相对复杂的数据集FD004，该模型也获得了较好的预测结果，表明所提模型具有较好的稳定性及泛化性。

来源：2025年第22期

《机床与液压》期刊编辑部

查看机床与液压杂志2025年第22期