近日，深圳技术大学“天枢”团队在航空健康管理领域取得重要突破，自主研发出面向直升机等飞行器电驱系统的预测性健康管理平台。该平台通过多模态数据融合与人工智能算法，实现了对电驱系统早期故障的精准预警和剩余寿命的概率化预测，将传统“事后维修”模式升级为“事前预警”，为低空经济的安全高效运行提供了全新的技术解决方案。

源于痛点：两年攻关，从实验室走向机库

随着低空经济的蓬勃发展，直升机在应急救援、电力巡检、物流运输等领域的应用日益广泛。然而，传统运维模式依赖定期检修和人工经验，难以有效预警突发故障，导致飞行安全风险高、运维成本居高不下。“就像癌症发现即是晚期，许多关键部件的隐性故障往往在事发前无法感知。”团队负责人梁嘉嘉同学介绍道。

监测试验

为攻克这一行业难题，团队历时两年，深入华东、华南多家通航企业和航空管理机构，开展了上千次数据采集与算法迭代。他们发现，超过80%的运营商深受非计划停飞困扰，传统振动监测系统的故障漏报率高达40%以上。基于一线调研，团队决心打造一套真正懂电驱系统的“智能健康管家”。

技术破局：多模态融合与“机理+数据”双驱动

天枢平台的核心是一套深度融合航空物理机理与人工智能算法的技术体系。团队自主设计了多模态传感融合方案，通过采集振动、温度、电流等多源数据，构建了电驱系统的全维度健康画像。

接收端监测装置

在算法层面，团队创新性地提出了Coptertransformer动态故障预测引擎，引入TopK频率筛选注意力机制，能够自适应地聚焦于早期故障的关键频段特征。在某次航空医疗救援中心的试点中，平台提前47小时预警了尾传动电机轴承的早期微点蚀故障，置信度高达92%，成功避免了一起可能发生的空中传动链卡滞风险。

针对剩余寿命预测难题，团队研发了贝叶斯双向长短期记忆网络（B-Bi-LSTM），攻克了“零寿命标签”下的模型训练瓶颈，不仅能给出剩余寿命的数值，更能以概率分布形式量化预测的不确定性。例如，针对某型电机，模型可输出“剩余寿命1200±80飞行小时”的置信区间，为维修决策提供了科学依据。

此外，平台采用云-边-端协同架构，边缘节点可在弱网环境下实现毫秒级诊断，云端则负责跨机队的大数据分析与模型迭代。这一设计使得数据传输量降低90%，同时支持万架级机队的扩展接入。

实战验证：从东部通航到电力巡检

技术的生命力在于应用。目前，天枢平台已在东部通航的多架直升机上完成加装部署，并为其提供实时运维监测服务。在电力巡检领域，团队与深圳市耕丰科技有限公司合作，将平台部署于特高压线路巡检直升机队，成功捕捉到主减速器输入轴不对中的异常谐波分量，提前120小时生成维修建议，单次维修节约成本约15万元。

团队还与芜湖飞检、芜湖科璟途科技等企业建立了联合实验室，共同攻关航空级传感器与边缘计算硬件的适配优化，确保平台在极端环境下的稳定运行。

创新力量：学生团队与专家顾问的协同

天枢团队由深圳技术大学多个学科的学生组成，涵盖航空工程、人工智能、软硬件开发、商业运营等领域。团队累计获得国家级、省部级奖项数十项，已申请发明专利4项、软件著作权3项。指导老师王文林副教授在故障诊断领域深耕多年，主持多项国家级项目，为团队提供了坚实的学术支撑。

“我们不仅是做一套监测系统，更是要重新定义飞行器的运维范式。”联合创始人张宇潼表示，天枢平台的目标是成为低空经济的“健康数据操作系统”，让每一次飞行都更安全、更高效。

目前，团队正与多家eVTOL整机厂商开展合作，将平台适配至新型电动飞行器。未来，他们还将探索与保险、金融等行业的跨界融合，让数据价值在更广阔的产业生态中绽放。

从校园实验室到蓝天机库，这群大学生用技术创新书写着属于他们的“低空答卷”。