面向发动机剩余使用寿命预测的多尺度双向查询引导门控网络(MBQG-Net)

《Entropy》:MBQG-Net: A Multi-Scale Bidirectional Query-Guided Gated Network for Aero-Engine Remaining Useful Life Prediction

【字体: 大 中 小 】 时间:2026年10月01日 来源:Entropy 2.1

编辑推荐:

   摘要

  

摘要

发动机剩余使用寿命(RUL)预测是故障预测与健康管理中的关键任务,旨在从多传感器运行数据中提取退化信息,以支持维护调度和运行风险管理。现有的混合时序模型已探索了卷积网络、时间卷积、循环网络和注意力机制的多种组合方式;然而,关于不同模块在固定窗口中的位置角色、双向上下文组织以及训练目标之间仍存在进一步协调的空间。针对这一问题,我们提出了一种多尺度双向查询引导门控网络(MBQG-Net)。MBQG-Net采用一维卷积和并行双向空洞卷积来提取局部和多尺度时间特征,并利用多头查询–值时间注意力在循环状态聚合之前生成窗口级的上下文增强表示。经查询加权与值聚合增强的序列随后输入堆叠双向GRU,进行后续的双向门控状态聚合。在训练过程中,采用了一种非对称加权均方误差,对RUL高估误差赋予更高权重。MBQG-Net在NASA C-MAPSS数据集的全部四个官方测试集(FD001–FD004)上,依据统一的实验协议进行了评估。该模型在FD001和FD003上取得了最强的整体回归性能,并在多工况的FD002和FD004子集上保持了具有竞争力的整体常规回归性能。在全部四个子集上,该模型的NASA评分均为对比方法中最低,尽管在FD002上的差异较为微弱。在FD004上,MBQG-Net取得了930.9088的NASA评分,相比第二好的结果降低了28.27%。实验结果表明,MBQG-Net在不同的运行工况和故障模式设置下,均能保持常规回归精度与方向敏感误差控制之间的良好平衡,为多传感器航空发动机剩余使用寿命预测提供了一种结构清晰的混合时序建模方案。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号