一种基于自注意力CNN-BisLSTM的航空发动机异常检测基准模型构建方法

本发明是一种基于自注意力CNN‑BisLSTM的航空发动机异常检测基准模型构建方法。本发明涉及航空发动机关键参数异常检测技术领域，本发明对航空发动机进行数据采集，得到飞参数据；根据飞参数据划分数据集，并进行数据预处理；搭建注意力CNN‑BisLSTM的航空发动机异常检测基准模型，根据搭建的模型和飞参数据进行异常检测。本发明构建的模型结合卷积神经网络和双向稳定化长短时记忆网络捕捉丰富的空间信息和时序信息的优势，以及多头自注意力机制的非线性拟合特征增强的特点，通过提升回归预测准确性，尤其在处理变化较剧烈的飞参数据时，能够有效提升检测精度。