El monitoreo del rendimiento de los motores aéreos es un componente clave del sistema de gestión de la salud del motor y un enfoque importante para mejorar la seguridad y la fiabilidad del vuelo. Mientras tanto, para mejorar la eficiencia operativa del motor, los sistemas de control están evolucionando de arquitecturas centralizadas tradicionales a arquitecturas de control distribuidas. Para aliviar el impacto negativo de las incertidumbres de la red, este documento propone un Filtro de Kalman Adaptativo Distribuido (DAKF), que resuelve la degradación del rendimiento de estimación del Filtro de Kalman clásico bajo incertidumbre de red mediante el diseño de estrategias de reconstrucción de mediciones y fusión de señales basadas en búfer, ampliando la aplicabilidad ingenieril del Filtro de Kalman en arquitecturas de control distribuidas. Además, se estableció una arquitectura de hardware distribuido basada en el protocolo de bus de protocolo/clase (TTP/C), se desarrollaron programas de comunicación entre nodos de simulación y se implementó el algoritmo DAKF propuesto en la arquitectura de hardware para validación experimental. Este estudio se centra en las operaciones en estado estacionario del motor de turbina de ejes para investigar el rendimiento del algoritmo de Filtro de Kalman distribuido propuesto bajo incertidumbres de red. Los resultados demostraron la efectividad del método propuesto, proporcionando una base para la aplicación ingenieril de métodos de monitoreo de rendimiento distribuidos.