航空发动机是航空飞行器中最为核心的部件之一,也是一种复杂且精密的热力机械系统。航空发动机经常处于高温、高压等恶劣的运行环境下,极易出现性能退化以及故障问题,这会带来极大经济损失与人身安全问题。因此,分析预测航空发动机气路性能参数未来的变化趋势,能够对航空发动机的性能衰减等问题提前预警,具有重要的研究意义。本文基于与中国航发某研究所合作的飞参判读软件项目,针对目前航空发动机数据分析软件功能单一且分散的问题,结合基于数据驱动的航空发动机气路性能参数预测算法,设计开发出集数据管理、参数预测及数据分析于一体的航空发动机气路性能参数监测软件平台。本文针对航空发动机气路参数预测任务的特点及现有方法的不足,引入双流注意力网络等深度学习方法,主要完成了以下几个方面的工作:1.采用小波阈值去噪方法对航发气路参数进行预处理。针对气路参数数据中存在噪声等问题,本文采用了小波阈值去噪等预处理方法,通过选取合适的小波基、小波阈值函数等对原始数据进行处理。最终根据去噪结果对比分析,验证预处理方法的有效性。2.基于Transformer算法的航发气路性能参数预测模型搭建。针对航空发动机飞参数据采样间隔短,数据量较大等特点,本文构建了基于Transformer算法的航空发动机气路性能参数预测模型,采用Py Torch框架搭建预测模型并进行结果的对比分析。根据仿真实验结果表明,Transformer模型比其他对比模型预测精度有一定的提升,比较适合应用于航空发动机气路参数的预测任务。3.采用双流注意力网络结构对预测模型进行优化。Transformer模型在运算过程中会存在时空复杂度过大等问题。因此在单一Transformer模型的基础上,引入概率稀疏注意力等机制,并采用双流注意力网络架构对模型中关键特征进行重点捕获,提出基于Dual-stream Informer的航空发动机气路性能参数预测模型。最终,仿真实验结果表明Dual-stream Informer模型能够进一步提升预测精度与效率,更适合于在实践中应用。4.依托于项目需求,进行航空发动机气路性能参数监测软件平台的开发。针对航空发动机数据分析领域的关键需求,采用C++设计软件的整体架构及平台界面,同时采用C++与Python混编对参数预测模型进行调用,从而实现数据分析的人机交互操作,最终设计出具有功能丰富、操作简便、界面逻辑清晰等特点的软件平台。