基于并行TCN-SE-BiLSTM模型的涡扇发动机剩余寿命预测

来源：电子测量技术杂志2024年第24期北京时间：

作者：张鑫阳，王可庆，贾新旺，郭永信，蒋亮

单位：1.南京信息工程大学自动化学院 南京 210044; 2.无锡学院自动化学院 无锡 214105; 3.中国船舶集团有限公司第七〇三研究所无锡分部 无锡 214105

摘要：作为现代航空的重要组成部分，维护和预测涡扇发动机的使用寿命对于确保安全和降低运营成本至关重要。为了应对涡扇发动机RUL预测中的复杂非线性特征处理难题，本研究提出了一种基于并行TCN与BiLSTM的新型混合模型。针对传统方法难以同时捕捉局部特征和长时间依赖性的问题，该模型通过TCN提取短期局部特征，并利用BiLSTM捕捉数据中的双向时序依赖。同时，针对特征重要性识别不足的挑战，引入了改进的SE注意力机制模块，以动态调整网络的特征权重，增强对关键信息的关注。在C-MAPSS数据集的FD001和FD003子集上的实验验证中，RMSE和Score分别为12.15、230.4和11.16、209.84。结果表明，该方法与其他方法相比具有更高的精度。

关键词：涡扇发动机;时序卷积网络;双向长短时记忆网络;注意力机制

基金资助：江苏省高等学校自然科学基金（22KJB460039）项目资助