基于知识引导的双路径多特征融合的机器剩余使用寿命预测方法及系统

本发明提供了基于知识引导的双路径多特征融合的机器剩余使用寿命预测方法及系统，包括：S1:数据预处理：利用min‑max归一化方法处理RUL模型中航空发动机数据集的数据；S2:特征提取：以自监督的方式采用领域知识增强的卷积神经网络CNN进行空间特征提取，采用自关注机制驱动的GRU网络进行时间序列特征提取，并结合手工特征进行特征融合。本发明为航空发动机的RUL预测提供了一种高效的方法，通过集成发动机元件知识来建模传感器间的依赖关系，提升了涡扇发动机RUL预测的精准性，且显著增强了模型在不同工况下的鲁棒性。这有望在航空发动机领域及其他领域的RUL预测中产生重要的影响。