双重注意力时序网络

剩余寿命预测更准

针对飞机发动机剩余使用寿命预测，该网络通过通道注意力筛选关键传感器信号，并利用时间注意力突出关键退化时间点，在复杂工况与故障模式下实现更精准的预测。

林琳 · Jinlei, Wu · Fu, Song · Sihao, Zhang · Tong, Changsheng · Zu, Lizheng

Advanced Engineering Informatics 2024

技术优势

自动筛选关键传感器

通道注意力机制为每个传感器信号分配权重，自动突出对RUL预测有重要影响的信号并抑制无关信号，减少人工选择传感器的负担。

突出关键退化时刻

时间注意力模块增强具有显著退化信息的关键时间点的影响，使模型能捕捉到退化过程中的重要变化，而非平均对待所有时间点。

复杂工况下更准

在C-MAPSS数据集和真实飞行数据上，该方法在Score和RMSE上显著优于现有方法，尤其在变化工况和复杂故障模式下表现更佳。

应用场景

• 航空发动机健康管理：为发动机剩余寿命提供准确预测，帮助制定维修计划。
• 设备预测性维护：提前知道剩余寿命，避免突发故障，降低维护成本。
• 工业时序分析：对多维传感器时序数据进行建模，提取退化特征。
• 工业设备状态监测：实时处理传感器信号，监测设备健康状态。