新闻网讯 近日，人工智能与自动化学院2022级人工智能专业本科生秦明远以第一作者身份在国际期刊Reliability Engineering & System Safety（RESS）发表航空发动机剩余寿命预测相关研究论文“Multi-sensor Spatial and Multiscale Temporal Transformer Guided by Frequency-Domain Attention for Aeroengine Remaining Useful Life Prediction”。这一成果不仅展现了人工智能与自动化学院本科生在科研创新方面的潜力，也体现了学院在人工智能与工程应用交叉领域的人才培养成效。

Reliability Engineering & System Safety（RESS）是复杂技术系统安全与可靠性领域的重要国际学术期刊，广泛覆盖航空航天、智能制造、能源系统等多个工程领域。期刊最新影响因子约11.0，长期位于中科院工程技术大类一区及Top期刊行列，在工程可靠性研究领域具有重要影响力。

航空发动机是航空装备中最核心、最复杂的关键部件之一，其运行状态直接关系到飞行安全与维护成本。在工业运维领域，预测性维护正成为重要发展方向，而其中关键问题之一便是剩余使用寿命预测（Remaining Useful Life, RUL）。如果能够提前预测设备距离故障还有多长时间，就可以在临近故障前进行维护或更换，从而降低突发故障风险，提高设备运行效率。

围绕这一问题，秦明远在导师李炜教授指导下开展研究，通过深度学习方法挖掘多传感器数据中的关键退化特征，从而实现对航空发动机剩余寿命的更精准预测，为航空装备健康管理提供了新的研究思路。

该论文提出了基于频域注意力引导的多传感器空间与多尺度时间Transformer（MSMT-FDA）架构，用于在有效捕捉航空发动机传感器序列中的多尺度时间特征与多传感器空间特征，实现航空发动机剩余使用寿命（RUL）的精准预测，支撑航空发动机预测与健康管理（PHM）技术的发展。

秦明远同学于大四阶段加入由李炜教授、陈曦教授领衔的“大型装备智慧维修创新技术团队”，参与人工智能与工业运维交叉方向的研究工作。团队长期致力于利用人工智能技术提升工业装备的智能运维能力。在团队科研氛围的影响下，秦明远逐渐完成了从课程学习到科研探索的转变。在导师指导和团队协作下，他经历了从问题发现、方法设计、实验验证到论文撰写与修改投稿的完整科研流程，并最终以第一作者身份在Top期刊发表研究成果，展现出良好的科研潜力和创新能力。