基于知识蒸馏压缩混合模型的航空发动机剩余寿命预测研究

来源：计算机集成制造系统杂志2025年第1期北京时间：

作者：张小燕, 刘月峰

单位：内蒙古科技大学信息工程学院

摘要：航空发动机剩余使用寿命(RUL)预测对于提高飞机运行系统的安全性和降低维护成本至关重要。针对实际应用中边缘设备计算能力和内存有限的情况,保证模型RUL预测准确性的同时减少模型规模是亟待解决的问题。因此,提出了使用两次知识蒸馏压缩复杂的混合模型来预测航空发动机的RUL。首先,知识蒸馏用于异构网络之间进行知识转移,教师模型包含卷积神经网络(CNN)和双向长短期记忆网络(Bi-LSTM)等复杂网络,其中,CNN能够提取数据空间特征,而Bi-LSTM可以学习数据的双向长时间依赖性。学生模型则使用规模相对简单的多尺度卷积神经网络(MS-CNN),利用不同的卷积尺度各自提取数据信息,从而保证特征学习的完整性。其次,知识蒸馏用于同构网络之间进行知识迁移,学生网络与教师网络均使用多尺度卷积神经网络。最后,经过两次知识蒸馏获得的学生网络在C-MAPSS数据集上进行了RUL预测实验,结果显示蒸馏学生模型在4个数据集上预测准确性均有一定提升。蒸馏学生模型相比原始MS-CNN在FD001数据集获得的误差值降低了5.9%,同时也比Bi-LSTM误差值低6.7%,从而证明了所提方法在航空发动机RUL预测领域具有一定的竞争性。

关键词：剩余使用寿命,知识蒸馏,卷积神经网络,双向长短期记忆网络,多尺度卷积神经网络

基金资助：内蒙古纪检监察大数据实验室开放课题基金资助项目(IMDBD2020022)。