随着涡扇发动机的规模和体积越来越大,内部各部件的复杂度和耦合度也越来越高,涡扇发动机在运行期间发生故障的概率也越来越大,因此准确预测涡扇发动机剩余寿命的方法已经成为研究热点。哈尔滨工业大学已经开发了既可以用于支持各项能力试验也可以用于信息化分布测试的基础平台(HIT-Joint Test Platform,简称H-JTP),为联合试验提供虚拟的试验环境以及试验所需要的相关资源。目前,该平台缺少涡扇发动机剩余寿命预测的算法,为此,本课题开展了适用于联合试验平台的涡扇发动机剩余寿命预测算法的研究工作,并开发了涡扇发动机剩余寿命预测模型训练软件以及基于联合实验平台的剩余寿命预测组件。论文的主要工作如下:1、研究了基于数据驱动的涡扇发动机剩余寿命预测算法,根据实验分析可知,基于CNN-JANET涡扇发动机剩余寿命预测模型是精确度最高的。2、针对CNN-JANET算法开发框架不能适用H-JTP平台的问题,提出了结合主成分分析(PCA)和极限梯度提升(XGBoost)的涡扇发动机剩余寿命预测模型。该模型利用PCA可以减小数据量和XGBoost对特征并行计算并预剪枝的特点,兼顾计算精度的同时,缩短训练时间。3、采用面向对象的方法,开发了涡扇发动机剩余寿命预测模型离线训练软件,可以将训练好的模型保存,为涡扇发动机剩余寿命预测组件提供训练好的预测模型。4、基于H-JTP平台的需求,设计了涡扇发动机剩余寿命预测组件的静态模型、动态模型以及组件界面,完成了代码编写,开发了涡扇发动机剩余寿命预测组件。实验及应用验证结果表明,优选的CNN-JANET网络是目前已有的预测模型中精确度最高的模型。本文提出的PCA-XGBoost算法,可以有效的对原始数据进行降维,并快速训练模型以及预测涡扇发动机剩余寿命;开发的涡扇发动机剩余寿命预测模型训练软件可以训练CNN-JANET、PCA-XGBoost等多个预测模型;开发的涡扇发动机剩余寿命预测组件能够实现剩余寿命预测的功能,满足H-JTP平台实际应用需求。