CruiseBench: новый бенчмарк для оценки ресурса авиадвигателей нейросетями

Группа исследователей в июле 2026 года опубликовала на arXiv CruiseBench — бенчмарк для предсказания остаточного ресурса (RUL) авиадвигателей, который выделяет только крейсерскую фазу полёта из датасета N-CMAPSS; в базовых тестах лучшую точность показала модель TSMixer со средним RMSE 3.4.

Что такое CruiseBench

CruiseBench — это специализированный бенчмарк для сравнения нейросетей, предсказывающих остаточный ресурс авиадвигателя (RUL, Remaining Useful Life), построенный поверх датасета N-CMAPSS. Само предсказание RUL оценивает, сколько ещё двигатель может безопасно проработать, и лежит в основе планирования техобслуживания. Ядро бенчмарка — артефакт CPM-N-CMAPSS (Cruising-Period Mask for N-CMAPSS): маска, которая хранит поцикловые интервалы крейсерского полёта, выделенные методом общей высоты (common-altitude), для девяти доступных субдатасетов.

• Бенчмарк выведен из датасета N-CMAPSS — расширения классического C-MAPSS
• CPM-N-CMAPSS — маска крейсерских интервалов для 9 субдатасетов
• На входе протокола — дескрипторы сценария и показания реальных сенсоров
• Из признаков исключены виртуальные сенсоры, параметры здоровья и метаданные
• Baseline-модели: LSTM, GRU, TCN и TSMixer

Почему только крейсерская фаза?

Крейсерская фаза убирает шум смены режимов работы, который мешает честно измерять деградацию двигателя. N-CMAPSS хранит полные временные ряды внутри каждого полёта, а не поцикловые снимки, как более ранний C-MAPSS. По данным авторов, эта реалистичность одновременно увеличивает объём данных и «переплетает» признаки износа с вариациями режима — взлётом, набором высоты, снижением. В итоге выбор препроцессинга начинает влиять на итоговые метрики, а прямые сравнения моделей становятся ненадёжными. CruiseBench отвечает на это фиксированным протоколом: работает только с «замаскированными» крейсерскими строками, сохраняет окна в исходном разрешении и применяет отдельные ограничения RUL для каждого из девяти субдатасетов.

Какая модель оказалась точнее?

Лучший результат показала TSMixer. Под конфигурацией CruiseBench-eta5-W256-S10 она достигла самого низкого среднего RMSE 3.4±1.71 и Saxena score (2.50±2.99)×10⁴, обойдя рекуррентные LSTM и GRU, а также свёрточную TCN — все четыре модели авторы прогнали как baseline. Метрика RMSE измеряет среднюю ошибку прогноза в циклах, а Saxena score сильнее штрафует запоздалые предупреждения об отказе, чем преждевременные. Авторы подчёркивают, что цифры чувствительны к трём факторам, и это показали ablation-эксперименты: к выбору фазы полёта, методу временного даунскейлинга и порогу ограничения RUL.

«CruiseBench предоставляет воспроизводимый суб-бенчмарк для

контролируемого сравнения моделей RUL, а CPM-N-CMAPSS — специфичную для стадии основу данных для будущих исследований transfer learning и domain adaptation», — говорится в аннотации статьи на arXiv.

Что это значит

Предиктивное обслуживание авиатехники получает более честную линейку для сравнения моделей. Фиксируя одну фазу полёта, CruiseBench снижает влияние препроцессинга на итоговые цифры и повышает воспроизводимость — болезненную проблему для задач на «сырых» промышленных данных. Отдельная ценность — сама маска CPM-N-CMAPSS: авторы позиционируют её как основу для будущих работ по transfer learning и domain adaptation, где модель, обученную на одном режиме или двигателе, переносят на другой.

Частые вопросы

Что такое RUL в контексте авиадвигателей?

RUL (Remaining Useful Life, остаточный ресурс) — оценка того, сколько ещё двигатель может безопасно работать. По словам авторов, это центральная величина для планирования технического обслуживания.

Чем N-CMAPSS отличается от C-MAPSS?

N-CMAPSS расширяет C-MAPSS: он симулирует траектории двигателей до отказа на основе записанных реальных профилей полётов и сохраняет полные временные ряды внутри полёта, а не поцикловые снимки. Именно эта детализация делает данные реалистичнее, но и сложнее в обработке.