航空发动机寿命预测：SE-ResNet模型与Matlab实现

1. 航空发动机寿命预测的技术背景与挑战

航空发动机作为飞行器的"心脏"，其健康状况直接关系到飞行安全和运营成本。传统基于固定周期或运行小时数的维护方式存在明显缺陷：要么过度维护导致资源浪费，要么维护不足引发安全隐患。这促使业界转向基于状态的维护（CBM）策略，而寿命预测正是CBM的核心技术。

C-MAPSS（Commercial Modular Aero-Propulsion System Simulation）数据集由NASA开发，包含四种不同故障模式的发动机运行数据，已成为该领域基准测试平台。数据集模拟了21种传感器参数（如温度、压力、转速等）随发动机性能退化的变化过程，每个发动机运行至失效为止，为预测模型提供完整的生命周期数据。

关键挑战：发动机传感器数据具有强时序性、高维度、非线性退化特征，且不同故障模式的表现差异显著。传统方法（如线性回归、支持向量机）难以捕捉这些复杂特征。

2. SE-ResNet网络架构解析

2.1 ResNet的改进与适应

ResNet通过残差连接解决了深层网络梯度消失问题，但其通道特征的重要性被平等对待。我们在原始ResNet50基础上进行三项关键改进：

1. 通道注意力机制：添加Squeeze-and-Excitation（SE）模块，通过全局平均池化获取通道级统计量，经两层全连接生成通道权重

matlab复制function output = SE_block(input, reduction)
    [h,w,c] = size(input);
    squeeze = globalAvgPool(input); % 尺寸变为[1,1,c]
    excitation = fullyConnected(squeeze, c/reduction);
    excitation = relu(excitation);
    excitation = fullyConnected(excitation, c);
    excitation = sigmoid(excitation); % 得到通道权重
    output = input .* reshape(excitation, [1,1,c]);
end

2. 时域特征提取：在原始2D卷积后增加1D