基于DCNN-Informer的航空发动机寿命预测方法

来源：计算机技术与发展杂志2025年第05期北京时间：

作者：廖雪超;陈海力;钟实

单位：1. 武汉科技大学 计算机科学与技术学院,湖北 武汉 430065;2. 智能信息处理与实时工业系统湖北省重点实验室,湖北 武汉 430065;3. 武汉钢铁股份有限公司 设备部技术室,湖北 武汉 430065

摘要：故障预测与健康管理(PHM)在工业工程中发挥了重要作用,剩余使用寿命(RUL)预测对于维护策略的制定和减少工业损失至关重要。 针对航空发动机退化特征复杂性不断增加,导致发动机剩余寿命预测精度低的问题,该文利用卷积神经网络(CNN)提取时间序列数据的高维空间特征,并结合 Informer 的自注意力机制对这些特征进行全局建模,从而充分提取时间维度的信息。 此外,为进一步提高模型的准确性和泛化能力,设计了发动机二次训练框架,数据集按发动机进行分组,将每个分组的数据分别送入 CNN-Informer 模型进行二次训练,以得到针对每台发动机的个性化模型。 最后,采用DCNN-Informer 模型中的二阶指数平滑滤波算法对模型的预测结果进行滤波,以提高预测的稳定性和准确性。 实验结果表明,该预测模型在 RUL 预测方面具有明显优势,相较于现有模型,其预测性能更为优越。

关键词：深度学习;剩余寿命预测;Informer;卷积神经网络;航空发动机