전통적인 신경망이 다차원 데이터의 고해상도 특징 인식 및 고정밀 신호 추출에 있어 가진 한계를 극복하기 위해, 잔차 자기 주의 메커니즘 기반의 잔존 사용 수명(RUL) 예측 알고리즘 연구를 진행하였다. 합성곱 신경망(CNN)과 장단기 기억 신경망(LSTM)의 구조적 특성을 비교 분석하여 두 네트워크가 긴 시퀀스 정보 특징 상관 능력과 국부 특징 추출 능력에서 가진 한계를 밝히고, 자기 주의 메커니즘을 연구하였다. 이중 잔차 네트워크를 도입하여 오차 함수 역전파의 확산성을 억제함으로써 합성곱 메모리 잔차 자기 주의 메커니즘 기반의 딥러닝 방법을 구축하였다. 위 방법을 바탕으로 대표적인 항공 터보팬 엔진 열화 실험 데이터셋에 대한 시뮬레이션 분석을 수행한 결과, 제시한 방법이 모니터링 데이터와 엔진 건강 상태 간의 관계를 효과적으로 구축하며, 핵심 평가 지표인 잔존 사용 수명 예측의 평균 제곱 오차는 225로 기존 자기 주의 메커니즘 대비 17.9% 감소하여 해당 방법의 타당성과 효과성을 입증하였다.

잔차 자기 주의 메커니즘;신경망;잔존 사용 수명;항공기 엔진