Resumen

Debido a que son componentes clave de las aeronaves, mejorar la seguridad, confiabilidad y economía de los motores es crucial. Para garantizar la seguridad de vuelo y reducir el costo de mantenimiento durante la operación de los motores de aeronaves, se introduce un sistema de pronóstico y gestión de la salud que se enfoca en el diagnóstico de fallas, evaluación de la salud y predicción de la vida para resolver los problemas. Predecir la vida útil restante (RUL) es la información más importante para tomar decisiones sobre la operación y mantenimiento de los motores de aeronaves, y depende en gran medida de la selección de características de degradación del rendimiento. La elección de dichas características es muy significativa, pero existen algunas debilidades en el algoritmo actual para la predicción de RUL, notablemente, la incapacidad de obtener tendencias a partir de los datos. Especialmente con los motores de aeronaves, extraer características de degradación útiles de datos multisensoriales con correlaciones complejas es un problema técnico clave que ha dificultado la

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Motores de aeronaves; Pronósticos; Sistema de gestión de salud; Características de degradación del rendimiento; Aprendizaje profundo; Vida útil restante
• Keywords:Aircraft engines; Prognostics; Health management system; Performance degradation features; Deep learning; Remaining useful life