基于改进CNN-BiGRU-A的涡扇发动机RUL智能预测与维护

来源：电子测量技术杂志2025年第18期北京时间：

作者：董海，吴越童

单位：1.沈阳大学应用技术学院 沈阳 110044; 2.沈阳大学机械工程学院 沈阳 110044

摘要：针对现代工业系统大多关注其预测性能而很少同时考虑设备维护决策问题，提出一种数据驱动的动态预测性维护方法，以避免系统因故障突然停机，确保系统安全运行。首先，通过对涡扇发动机的健康状态进行实时监控，获取运行数据，以此建立基于注意力机制结合卷积-双向门控循环单元的涡扇发动机剩余使用寿命模型，利用黑鹰优化算法对该模型的超参数进行调优；其次，将监测数据输入训练好的集成网络，并根据预测的剩余使用寿命，提出一种具有不确定系统任务周期的动态预测性维护策略；最后，以C-MAPSS数据集为例，验证本文所提方法能够提高设备预测性能，预测后维护效果良好。

关键词：预测性维护;剩余使用寿命;黑鹰优化算法;涡扇发动机

基金资助：国家自然科学基金（71672117）、中央引导地方科技发展资金计划（2021JH6/10500149）项目资助