Resumen

La predicción de los parámetros de rendimiento del motor aeroespacial es muy importante para el monitoreo del estado y el diagnóstico de fallas del motor aeroespacial. En este documento, el espacio de fase caótica de la serie temporal de la temperatura del escape del motor (EGT) que proviene de datos reales de ACARS a bordo del aire se reconstruye seleccionando algunos puntos cercanos adecuados. Se adopta el método de mínimos cuadrados parciales (PLS) basado en la función de spline cúbica o en la transformación de la función kernel para obtener una función predictiva caótica de la serie de EGT. Los resultados experimentales indican que el algoritmo de predicción caótica propuesto PLS basado en la transformación de la función kernel de peso bi tiene una ventaja significativa para superar la multicolinealidad de las variables independientes y resolver la estabilidad del modelo de regresión. Nuestro NMSE predictivo es un 16.5 por ciento menos que el del método tradicional de mínimos cuadrados lineales (OLS) y un 10.

• Materias:Modelado matemático Sistemas estocásticos Productos gráficos Ecuaciones matriciales Métodos de descomposición
• Subjects:Mathematical modeling Stochastic systems Graph products Matrix equations Decomposition methods
• Palabras claves:Predicción; Motor aeroespacial; Parámetros de rendimiento; Espacio de fase caótico; Temperatura de escape del motor; Algoritmo PLS
• Keywords:Prediction; Aero-engine; Performance parameters; Chaotic phase space; Engine exhaust temperature; PLS algorithm