赵广社，赵春涛

(1.西安工程大学 电子信息学院，陕西 西安 710048；2.西安交通大学 电子与信息学部，陕西 西安 710049)

0 引 言

航空发动机作为飞机的核心部件，其可靠性和安全性至关重要。但是，航空发动机不仅结构复杂，而且运行环境复杂多变，因而航空发动机的故障具有易发生、模式多、多故障模式同时存在等特点。预测与健康管理(prognostics and health management, PHM)是一种降低故障率、保证飞行安全的有效方法[1]，其中RUL预测是PHM中的关键技术之一。RUL可以定义为系统或部件可继续正常使用的时间长度[2]，即当前时刻与失效时刻之间的时间间隔。RUL预测通过分析监测数据或建立合适的性能退化模型对系统或部件的RUL进行预测。

现有RUL预测方法分为3类：基于经验的预测方法[3]、数据驱动的预测方法[4]和基于物理失效模型的预测方法[5]。基于经验的预测方法易理解、易实现[6]，但其预测精度有限，并且依赖大量历史数据。基于物理失效模型的预测方法具有预测精度高的优点[7]，但需要构建准确的物理失效模型，对航空发动机这种复杂系统来说极难实现。基于数据驱动的预测方法通过挖掘退化数据内在的信息[8]，以表现系统自身变化及工作环境影响导致的系统失效，它避免了复杂的物理失效模型的构建过程，且准确率较高。因此，本文主要研究的是基于数据驱动的航空发动机RUL预测。

目前，基于数据驱动的RUL预测是研究的热门，并且拥有大量成熟的退化模型，如随机系数模型[9]、随机过程模型[10]和滤波模型[11]等。……