叶瑞达，王卫杰，何 亮，陈晓岑，薛 乐

（1.航天工程大学，北京101416；2.清华大学，北京100089；3.63931部队，北京100094）

1 引 言

航空发动机是机械装备制造领域的皇冠，代表着一个国家的国防工业和科技发展水平。然而航空发动机在使用上和航天发动机有着本质的区别：对于航天发动机来说，大多数都只需要使用一次，而航空发动机需要在复杂的环境下持续使用，这就给航空发动机的可靠性和安全性带来了极大的挑战。对于军用飞机而言，在战场上会面对各类武器的攻击，需要发动机做出快速反应，在极短时间内完成加速减速、大角度变换方位等需求，这就加剧了航空发动机的性能退化速度。因此，有效地进行航空发动机健康管理［1］成为保障飞机飞行安全的重中之重。

航空发动机剩余使用寿命（Remaining Use⁃ful Life，RUL）传统预测方法是基于物理模型的，虽然RUL预测方法有一定缺陷，但是其通过研究发动机失效机理来判断发动机的健康状态，仍是一种可靠性高的方法。陈煜［2］研究了发动机非线性部件级建模和修模方法，搭建了航空发动机快速原型仿真平台。葛怡［3］通过对航空发动机的压气机喘振、尾喷管推力下降、燃烧室雾化三种典型的故障进行建模研究，从物理层面分析了产生故障的原因，完成了发动机建模仿真和典型故障基于模型的仿真，实现发动机的故障诊断和故障数据趋势预测。然而，机器失效机理通常充满不确定性，难以建立精确的模型。

基于数据驱动的深度学习方法在设备健康管理领域［4-7］可以避免传统方法的不足，其优势在于不需要手工设计特征工程、降低了准入门槛、易实现跨领域知识共享。……