基于贝叶斯图注意力Transformer的航空发动机剩余使用寿命概率预测

摘要

航空发动机作为飞机的心脏，其健康状态对飞机的安全飞行至关重要.深度学习强大的数据挖掘能力，为通过海量历史数据预测航空发动机的剩余使用寿命提供了新方法.然而，传统基于深度学习的方法大都关注于挖掘数据在时间上的关联，而忽略了多个传感器监测数据之间复杂的非欧氏空间关系.此外，少有研究考虑数据或者预测过程本身具有的不确定性，缺乏对预测结果可靠性的评估.为解决上述问题，本文提出了一种基于贝叶斯网络和图注意力Transformer的航空发动机剩余使用寿命概率预测方法.将图注意力机制融入Transformer的时间多头注意力模块，结合图注意力网络在空间特征提取上的优势和Transformer模型在时间特征提取的优势，实现数据特征时空关系的联合提取.同时，利用改进的贝叶斯网络度量预测不确定性，在得到剩余使用寿命预测点值的同时给出相应的置信区间.最后，通过在公开航空发动机数据集上的实验，证明了所提模型的有效性和先进性.

关键词

航空发动机 / 剩余使用寿命 / 图注意力Transformer / 贝叶斯网络 / 概率预测

基金资助

国家自然科学基金资助项目（62273038,U21A20483）