基于并分支GraphSAGE-GRU的航空发动机剩余使用寿命预测方法

郭稳稳; 王国虎; 原永亮; 王沛颖; 郭银晓

doi:10.16579/j.issn.1001.9669.2026.07.004

您当前的位置：

首页 >

文章列表页 >

基于并分支GraphSAGE-GRU的航空发动机剩余使用寿命预测方法

·疲劳·损伤·断裂·失效分析· | 更新时间：2026-07-17

- 基于并分支GraphSAGE-GRU的航空发动机剩余使用寿命预测方法
- Remaining useful life prediction of aeroengine based on Parallel-GraphSAGE-GRU
- 机械强度 2026年48卷第7期页码：32-39
- 作者机构：
  
  1.郑州工业应用技术学院机电工程学院，郑州 451150
  2.河南省隧道工程机械工程技术研究中心，郑州 451150
  3.河南理工大学机械与动力工程学院，焦作 454003
- 作者简介：
  
  GUO Wenwen, E-mail: gzh47702@163.com
- 基金信息：
  
  国家自然科学基金项目(52404163);河南省科技攻关项目(252102220079;252102221003);新一轮河南省重点学科（机械）(教研〔2023〕414号);河南省高等学校重点科研项目(25B460020)
- DOI：10.16579/j.issn.1001.9669.2026.07.004
  中图分类号： TH17
- 收稿：2025-02-28，
  
  修回：2025-05-30，
  
  网络首发：2026-07-17，
  
  纸质出版：2026-07-15
- 稿件说明：
移动端阅览
郭稳稳，王国虎，原永亮，等.基于并分支GraphSAGE-GRU的航空发动机剩余使用寿命预测方法［J］. 机械强度，2026，48（7）：32-39.

GUO Wenwen，WANG Guohu，YUAN Yongliang，et al. Remaining useful life prediction of aeroengine based on Parallel-GraphSAGE-GRU［J］. Journal of Mechanical Strength，2026，48（7）：32-39.
郭稳稳，王国虎，原永亮，等.基于并分支GraphSAGE-GRU的航空发动机剩余使用寿命预测方法［J］. 机械强度，2026，48（7）：32-39. DOI： 10.16579/j.issn.1001.9669.2026.07.004.

GUO Wenwen，WANG Guohu，YUAN Yongliang，et al. Remaining useful life prediction of aeroengine based on Parallel-GraphSAGE-GRU［J］. Journal of Mechanical Strength，2026，48（7）：32-39. DOI： 10.16579/j.issn.1001.9669.2026.07.004.

摘要

目的

基于深度学习的航空发动机剩余使用寿命预测，为保障航空发动机的可靠性奠定了基础。然而，现有研究多聚焦于欧氏空间中退化信息的获取，忽视了非欧氏空间中拓扑关系蕴含的额外退化信息。因此，提出了一种基于并分支图节点嵌入学习的门控循环神经网络（Parallel-Graph Node Embedding Learning-Gated Recurrent Unit

Parallel-GraphSAGE-GRU）的航空发动机剩余使用寿命预测方法。

方法

首先，基于最大互信息法描述航空发动机监测参数之间的关系，在此基础上，通过固定时间窗口构造图，输入序列获取发动机非欧氏空间的拓扑关系；其次，采用GRU提取欧氏空间中航空发动机时间退化关系；然后，在运行过程的每个时刻将GraphSAGE与GRU的输出隐式向量进行拼接，并通过全连接神经网络映射为航空发动机输入退化信息的剩余使用寿命值；最后，采用航空发动机剩余使用寿命数据集，对所提方法的有效性和先进性进行验证，所提方法的

最高达到0.988 6。

结果

结果表明，该方法能够兼顾预测精度及计算效率，具备良好的可行性。

Abstract

Objective

Deep learning-based remaining useful life (RUL) prediction of aeroengine provides a foundation for guaranteeing the reliability of the aeroengine. However

most researches are devoted to the acquisition of degenerate information in Euclidean space

while topological relations in non-Euclidean space can provide additional degenerate information. Thus

a novel RUL prediction method named parallel graph node embedding learning-gated recurrent unit(Parallel-GraphSAGE-GRU) was proposed in this work.

Methods

Firstly

the maximum mutual information method was used to describe the relationships among monitoring parameters of aeroengine. Then

a series of graph inputs was constructed using a fixed time window to obtain topological relations in the non-Euclidean space of the aeroengine. Besides

GRU was used for the acquisition the temporal degradation relations of the monitoring parameters for aeroengine in the Euclidean space. The implicit vectors of GraphSAGE and GRU at each moment were concatenated and mapped to the RUL values of the input degradation information by fully connected neural network. The C-MAPSS dataset was used to validate the effectiveness and advancement of the proposed method

and the best

of the proposed method reached 0.

988 6.

Results

The results indicate that this method is feasible in ensuring prediction accuracy and computational efficiency.

关键词

Keywords

references

牟含笑，郑建飞，胡昌华，等 . 基于CDBN与BiLSTM的多元退化设备剩余寿命预测［J］. 航空学报， 2022 ， 43 （ 7 ）： 301 - 312 .

Mu Hanxiao ， Zheng Jianfei ， Hu Changhua ， et al . Remaining useful life prediction of multivariate degradation equipment based on CDBN and BiLSTM ［J］. Acta Aeronautica et Astronautica Sinica ， 2022 ， 43 （ 7 ）： 301 - 312 . （In Chinese）

刘业峰，王帅，刘晶晶，等 . 基于TCN-SA和Bi-GRU的轴承剩余寿命预测［J］. 计算机集成制造系统， 2026 ， 32 （ 4 ）： 1428 - 1437 .

Liu Yefeng ， Wang Shuai ， Liu Jingjing ， et al . Bearing remaining life prediction based on TCN-SA and Bi-GRU ［J］. Computer Integrated Manufacturing Systems ， 2026 ， 32 （ 4 ）： 1428 - 1437 . （In Chinese）

高旭东，胡昌华，张建勋，等 . 基于分数布朗运动过程模型的混合随机退化设备剩余寿命预测［J］. 自动化学报， 2023 ， 49 （ 9 ）： 1989 - 2002 .

Gao Xudong ， Hu Changhua ， Zhang Jianxun ， et al . Remaining useful life prediction for mixed stochastic deteriorating equipment based on fractional Brownian motion process ［J］. Acta Automatica Sinica ， 2023 ， 49 （ 9 ）： 1989 - 2002 . （In Chinese）

席霄鹏，陈茂银，周东华 . 基于多速率传感器测量数据的剩余寿命预测［J］. 控制工程， 2020 ， 27 （ 5 ）： 771 - 775 .

Xi Xiaopeng ， Chen Maoyin ， Zhou Donghua . Remaining useful life prediction based on multirate sensor measurement data ［J］. Control Engineering of China ， 2020 ， 27 （ 5 ）： 771 - 775 . （In Chinese）

张鲁一航，杨彦明，陈永展，等 . 基于VMD-CNN-BiLSTM的变工况涡扇发动机剩余使用寿命预测［J］. 北京航空航天大学学报， 2026 ， 52 （ 4 ）： 1279 - 1289 .

Zhang Luyihang ， Yang Yanming ， Chen Yongzhan ， et al . Remaining useful life prediction of variable-operating turbofan engine based on VMD-CNN-BiLSTM ［J］. Journal of Beijing University of Aeronautics and Astronautics ， 2026 ， 52 （ 4 ）： 1279 - 1289 . （In Chinese）

吴嘉俊，苏春，张玉茹 . 基于双重自注意力机制和长短时记忆网络的剩余寿命预测［J］. 系统工程与电子技术， 2024 ， 46 （ 6 ）： 1986 - 1994 .

Wu Jiajun ， Su Chun ， Zhang Yuru . Remaining useful life prediction based on double self-attention mechanism and long short-term memory network ［J］. Systems Engineering and Electronics ， 2024 ， 46 （ 6 ）： 1986 - 1994 . （In Chinese）

兰杰，李宁，李志宁，等 . 基于GRU Encoder-decoder和注意力机制的RUL预测方法［J］. 现代电子技术， 2023 ， 46 （ 8 ）： 99 - 105 .

Lan Jie ， Li Ning ， Li Zhining ， et al . Method of RUL prediction based on GRU Encoder-decoder and attentional mechanism ［J］. Modern Electronics Technique ， 2023 ， 46 （ 8 ）： 99 - 105 . （In Chinese）

Qiu Z W ， Li W L ， Tang T ， et al . Denoising graph neural network based hydraulic component fault diagnosis method ［J］. Mechanical Systems and Signal Processing ， 2023 ， 204 ： 110828 .

叶欣，王东锋，齐建军，等 . 基于IVMD及GNN的外啮合齿轮泵剩余寿命预测研究［J］. 液压气动与密封， 2022 ， 42 （ 8 ）： 9 - 17 .

Ye Xin ， Wang Dongfeng ， Qi Jianjun ， et al . Research on residual life prediction of external gear pump based on IVMD and GNN ［J］. Hydraulics Pneumatics & Seals ， 2022 ， 42 （ 8 ）： 9 - 17 . （In Chinese）

Liu J L ， Ong G P ， Chen X Q . GraphSAGE-based traffic speed forecasting for segment network with sparse data ［J］. IEEE Transactions on Intelligent Transportation Systems ， 2022 ， 23 （ 3 ）： 1755 - 1766 .

柴同，袁逸萍，马军岩，等 . 基于K-CNN和N-GRU的风电机组发电机状态预测［J］. 机械强度， 2023 ， 45 （ 5 ）： 1043 - 1049 .

Chai Tong ， Yuan Yiping ， Ma Junyan ， et al . State prediction of wind turbine generator based on K-CNN and N-GRU ［J］. Journal of Mechanical Strength ， 2023 ， 45 （ 5 ）： 1043 - 1049 . （In Chinese）

刘庆江，孙春亮，周继昌，等 . 融合Attention和GRU的压缩机组故障预警技术研究［J］. 石油工程建设， 2024 ， 50 （ 4 ）： 35 - 39 .

Liu Qingjiang ， Sun Chunliang ， Zhou Jichang ， et al . Fault warning technology for compressor unit based on integration of Attention and GRU ［J］. Petroleum Engineering Construction ， 2024 ， 50 （ 4 ）： 35 - 39 . （In Chinese）

林荣祥，王海瑞，朱贵富 . 一种融合神经网络的航空发动机寿命预测方法研究［J］. 机械科学与技术， 2025 ， 44 （ 11 ）： 2034 - 2046 .

Lin Rongxiang ， Wang Hairui ， Zhu Guifu . An aero-engine life prediction method incorporating neural networks ［J］. Mechanical Science and Technology for Aerospace Engineering ， 2025 ， 44 （ 11 ）： 2034 - 2046 . （In Chinese）

秦子轩，张晓东，白广芝，等 . 基于多尺度特征融合的航空发动机剩余寿命预测［J］. 航空发动机， 2024 ， 50 （ 4 ）： 114 - 120 .

Qin Zixuan ， Zhang Xiaodong ， Bai Guangzhi ， et al . Aeroengine remaining useful life prediction based on multi-scale feature fusion ［J］. Aeroengine ， 2024 ， 50 （ 4 ）： 114 - 120 . （In Chinese）

Zhou J H ， Qin Y ， Luo J ， et al . Remaining useful life prediction by distribution contact ratio health indicator and consolidated memory GRU ［J］. IEEE Transactions on Industrial Informatics ， 2023 ， 19 （ 7 ）： 8472 - 8483 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

含腐蚀缺陷套管剩余使用寿命预测评价

基于混合Wiener-ANN模型的轴承剩余使用寿命预测方法

连杆的标识对其强度影响研究

车辆发动机可靠性寿命试验数据的预测方法

基于数字图像相关法的铝合金缺口件局部循环塑性行为研究