时空特征融合网络

寿命预测更准

并行提取时空特征并动态融合，避免顺序处理带来的交互干扰，从而提升航空发动机剩余寿命预测精度。

Du, Yulin · Fang, Haichuan · 左洪福 · 赵新灿

Expert Systems with Applications 2025

参数信息

RMSE降低幅度

8.23 %

Score降低幅度

16.30 %

技术优势

噪声抑制

动态数据增强模块结合傅里叶变换和连续小波变换提取时频特征，增强局部时序信号并有效抑制噪声。

避免特征干扰

并行结构分别处理空间和时间特征，避免顺序提取造成的交互干扰。

精度更高

在FD001子数据集上，STF²的RMSE和Score分别比最强基线低8.23%和16.30%。

应用场景

• 航空发动机健康管理：直接从多传感器数据预测剩余寿命，用于优化维护计划。
• 预测性维护：根据预测的剩余寿命安排维护时机，避免过早或过晚维修。
• 装备寿命预测：提供准确的寿命估计，辅助制定更换和检修策略。