基于特征注意力机制和ResNet的航空发动机剩余寿命预测
来源：计算机应用与软件杂志2025年第3期北京时间：
作者：李雅, 孙行行, 侯彦东
摘要：在航空发动机的剩余寿命预测中，针对大多数深度学习方法没有对不同传感器输入特征进行自适应加权的问题，提出一种基于特征注意力机制和残差网络(ResNet)的剩余寿命预测模型(FAResNet)。使用带有压缩激励的特征注意力机制模块对多传感器输入特征进行自适应加权处理；使用两个并行的ResNet分支分别沿时间维度提取时序特征和沿传感器特征维度进行特征融合，深度挖掘数据的隐藏特征。在公开数据集上的仿真实验验证了所提出模型的有效性，与其他深度学习模型相比有着更低的预测误差。
关键词：剩余寿命, 注意力机制, 残差网络, 涡扇发动机
