Modelado de degradación de sistemas caóticos mediante caminatas aleatorias en el espacio de fases

Área de la Ciencia:

• Dinámica de Sistemas Complejos
• Ingeniería de Fiabilidad
• Modelado Computacional

Sus antecedentes:

• La predicción precisa de la degradación a largo plazo en sistemas caóticos es un desafío debido a la dependencia sensible de las condiciones iniciales y la dinámica compleja.
• Los modelos numéricos convencionales son computacionalmente intensivos y susceptibles a errores acumulativos, lo que limita su aplicación práctica.
• La comprensión de las vías de degradación es crucial para el diseño de la fiabilidad de sistemas electrónicos, mecánicos y mecatrónicos.

Objetivo del estudio:

• Desarrollar un marco eficiente y generalizable para modelar la degradación a largo plazo en sistemas caóticos.
• Superar las limitaciones computacionales y los problemas de acumulación de errores de los métodos numéricos tradicionales.
• Proporcionar nuevas perspectivas sobre la fiabilidad de sistemas complejos en proceso de degradación.

Principales métodos:

• Se propone un marco de caminata aleatoria en el espacio de fases, que caracteriza las distribuciones de velocidad de degradación local.
• Se utiliza la promediación de tiempo corto para estimar las velocidades de degradación.
• La evolución a largo plazo se reconstruye a través de transiciones estocásticas a través de regiones definidas del espacio de fases.

Principales resultados:

• El marco propuesto mejora significativamente la eficiencia computacional en más de dos órdenes de magnitud en comparación con los métodos convencionales.
• Los errores de predicción se mantienen por debajo del cinco por ciento, lo que demuestra una alta precisión.
• El análisis reveló transiciones entre regímenes dinámicos con diferentes grados de caos durante la degradación del sistema.

Conclusiones:

• El marco de caminata aleatoria en el espacio de fases ofrece un enfoque eficiente y generalizable para modelar la degradación en sistemas caóticos.
• Este método mejora el rendimiento computacional y la precisión de la predicción para procesos de degradación complejos.
• Los hallazgos contribuyen a mejorar las estrategias de diseño de fiabilidad para sistemas electrónicos, mecánicos y mecatrónicos.