La predicción de la vida útil restante (RUL) de los motores aéreos no solo mejora la seguridad y la eficiencia operativa de la aviación, sino que también reduce significativamente los costos operativos, ofreciendo beneficios económicos y sociales sustanciales a la industria de la aviación. Con el objetivo de predecir la RUL, este artículo propone un novedoso mecanismo de atención de convolución de doble dimensión (DDCA). DDCA consta de dos ramas: una incluye mecanismos de atención de canal y atención espacial, mientras que la otra aplica estos mecanismos a las dimensiones invertidas. Se emplean operaciones de agrupamiento y agrupamiento por características para extraer características de diferentes dimensiones de los datos de entrada. Estas ramas operan en paralelo para capturar correlaciones de características temporales y espaciales más complejas en datos de series temporales multivariantes. Posteriormente, se construye una red DDCA-TCN de extremo a extremo integrando DDCA con una red de convolución temporal (TCN) para la predicción de RUL. El modelo de predicción propuesto se evalúa utilizando el conjunto de datos C-MAPSS y se compara con varios modelos de predicción de RUL de última generación. Los resultados muestran que las métricas RMSE y SCORE de DDCA-TCN disminuyeron en al menos un 12.8% y un 4.6%, respectivamente, en comparación con otros modelos en el subconjunto FD002, y en al menos un 10.6% y un 18.4%, respectivamente, en el subconjunto FD004, lo que demuestra que el modelo DDCA-TCN exhibe un excelente rendimiento en la predicción de RUL, particularmente bajo múltiples condiciones de operación.