Dado que la información sobre fallos de un motor a reacción es muy importante para la vida útil restante de un motor a reacción, el artículo propone combinar la información sobre fallos para la predicción de la vida útil restante de un motor a reacción. En primer lugar, preprocesamos las señales del conjunto de datos. A continuación, las señales preprocesadas se utilizaron para entrenar un modelo de diagnóstico de fallos basado en CNN (red neuronal convolucional) y obtener características de fallos del modelo. Luego, combinamos BIGRU (unidad recurrente bidireccional con compuertas) y las características de fallos para predecir la vida útil restante del motor a reacción. Utilizamos el conjunto de datos CMAPSS (simulación del sistema de propulsión modular comercial de aviación) para verificar la efectividad del método propuesto. Después de eso, se realizaron experimentos de comparación con diferentes parámetros, estructuras y modelos en el artículo.