利用传感器数据进行预测性维护是航空发动机故障预测与健康管理(prognostic and health manage-ment,PHM)的关键问题.针对发动机剩余寿命预测准确性低的问题,提出基于长短期记忆网络(long short-term memory network,LSTM)分类器的预测性维护模型.LSTM分类器通过门控单元对长时间序列信息进行充分筛选,并将有效信息用于时间序列预测.首先,采用滑动时间窗口制备训练样本.其次,将预处理后的样本输入LSTM,预测设备在特定时间窗口内的失效概率.然后,通过调整窗口大小,得到最优性能的二分类模型,以更好地适应预测维护需求.最后,利用美国航空航天局C-MAPSS数据集验证了该模型的有效性,相比于已有分类方法,其在剩余使用寿命分类方面更加准确.