✅ 使用 NASA 公开工业数据集（C-MAPSS）
✅ 深度学习模型融合 CNN + BiLSTM 架构
✅ 支持回归预测（设备寿命）或分类判断（健康/退化）
✅ 完整可复现代码 + 图表可视化 + 指标评估
✅ 注释清晰，适合学习、应用、发表论文

这是一个基于 卷积神经网络（CNN）+ 双向长短期记忆网络（BiLSTM） 的时间序列建模项目，旨在预测航空发动机或工业设备的剩余寿命（RUL），并提供全过程的数据预处理、模型构建、训练、评估和可视化方案。

可自由选择以下三种深度学习模型：

• cnn_lstm：卷积 + LSTM
• cnn_bilstm：卷积 + 双向 LSTM（默认推荐）
• cnn：纯卷积网络
  
  提供内容：
• ✅ 完整源码（.ipynb 文件）
• ✅ 注释详细、结构清晰
• ✅ 所需数据文件
• ✅ 运行环境说明（Python、TensorFlow 2.x）
• ✅ 样例图表、结果说明
•