نموذج هجين مبتكر لتقدير العمر المتبقي لمحركات الطائرات بدقة عالية

في ظل الضغوط التشغيلية المستمرة، أصبحت الحاجة إلى أنظمة تقدير موثوقة للعمر المتبقي (Remaining Useful Life - RUL) للمكونات الحرجة أمرًا حيويًا. تكمن المشكلة في أن العديد من الأساليب الحالية تعتمد على التعلم العميق ولكنها غالبًا ما تفشل في التقاط الترابط المكاني بين البيانات المتعددة والحفاظ على الاعتمادية الزمنية المديدة.

لتجاوز هذه القيود، تم اقتراح نموذج هجين يجمع بين شبكة الالتفاف الأحادية البعد (1D-CNN) وبيانات الذاكرة طويلة وقصيرة المدى (BiLSTM) وآلية انتباه بارداناو مخصصة. تم تطوير هذا النموذج بناءً على مجموعة بيانات من محاكاة نظام الدفع الهوائي التجاري التابعة لوكالة ناسا (C-MAPSS)، حيث تم تطبيق طريقة معالجة مسبقة خالية من التسرب ووسم عمر متبقي يعتمد على دالة خسارة غير متناظرة.

النتائج كانت مشجعة! حيث تمكنت التجارب المنفذة على 100 محرك اختبار من تحقيق خطأ جذري متوسط قدره 17.52 دورة وكان هناك حصول على درجة S من ناسا تبلغ 922.06. بالإضافة إلى ذلك، تقدم خرائط الحرارة المستخرجة من نموذج الانتباه فهماً واضحًا لتقدم التدهور لكل محرك، مما يوفر رؤى قيمة لدعم اتخاذ قرارات الصيانة.

إن هذا الإطار المقترح لا يقدم فقط أداءً تنافسيًا مقارنة بالأساليب التقليدية، بل يمهد أيضًا الطريق نحو تقديرات توقعية آمنة وسهلة التفسير في البيئات الصناعية.