一种基于人工智能的航空发动机寿命监测方法

本发明公开了一种基于人工智能的航空发动机寿命监测方法，涉及设备故障预测与健康管理领域，本发明通过构建基于多重优化的BiLSTM‑GRU‑Attention模型，并通过在推理阶段结合Dropout技术多次采样输出，直接在神经网络框架中进行不确定性量化，该方法能有效提高模型的全局搜索能力，避免陷入局部最优，从而提高模型对时序数据的预测精度，同时，使得模型在复杂任务中表现更稳定，收敛速度更快，减少了计算复杂度和内存需求，提升了模型的训练和预测效率，能够更好地处理高维多模态数据，提供更可靠的预测结果和风险评估，具备更强的泛化能力和适应性。