针对航空发动机剩余使用寿命（RUL）预测方法没有同时加权不同时间步下的数据，包括原始数据和所提取的特征，导致RUL预测准确性较低的问题，提出了一种基于优化混合模型的RUL预测方法。首先，选用三种不同的路径提取特征：1）将原始数据的均值和趋势系数输入至全连接网络；2）将原始数据输入双向长短期记忆（Bi-LSTM）网络，并采用注意力机制处理得到的特征；3）使用注意力机制处理原始数据，并将加权特征输入至卷积神经网络（CNN）和Bi-LSTM网络中。然后，采用融合多路径特征预测的思想，将上述提取到的特征融合后输入至全连接网络获得RUL预测结果。最后，使用商用模块化航空推进系统仿真（C-MAPSS）数据集验证方法的有效性。实验结果显示，所提方法在4个数据集上均有较好的表现。以FD001数据集为例，所提方法的均方根误差（RMSE）比Bi-LSTM网络降低了9.01%。
