Data-Driven Modelling of Gas Turbine Engines

Le livre "Modélisation basée sur les données des moteurs à turbine à gaz" propose une étude approfondie des méthodes modernes de modélisation des moteurs à turbine à gaz (ETG). De nos jours, les ETG sont largement utilisés dans divers domaines, notamment les moteurs à réaction, les centrales électriques et les installations pétrochimiques. L'efficacité, la durabilité et la fiabilité de ces systèmes peuvent être considérablement améliorées grâce à l'utilisation de techniques de modélisation et de simulation. Cet ouvrage spécialisé met en lumière les avancées dans le domaine de la modélisation basée sur les données des ETG et compare des approches innovantes linéaires et non linéaires. Les modèles linéaires, tels que Ridge, Lasso et Multi-Task Elastic-Net, reposent sur des régressions linéaires, tandis qu'un modèle non linéaire est développé et validé à l'aide de réseaux de neurones récurrents (RNN). Les résultats montrent que le modèle RNN peut être utilisé de manière fiable pour la prévision des performances du moteur en suivant les variations des entrées du système.