本发明公开一种基于多模态深度学习的发动机剩余寿命预测方法，包括以下步骤：获取航空发动机全生命周期的多模态数据；对数据进行清洗和预处理；构建通道空间混合注意力层；使用卷积神经网络、门控机制和多条局部连接构建训练的模型；使用构建的模型进行训练，保存模型。本发明采用多模态融合的方式综合利用不同模态数据的信息，充分挖掘数据的潜在关联性，以提高模型的鲁棒性和准确性；同时，卷积神经网络作为特征提取和建模的工具，具有较强的适应能力，能够自动学习数据的时空特征，有效提高了预测精度；门控机制GLU的引入，使得模型能够自适应学习不同特征的权重，进一步提高了模型的鲁棒性和准确性。