The Machine Learning for Predicting Gas Turbine Performance in Naval Vessels

Resumen

Las turbinas de gas son componentes esenciales de los buques de guerra modernos, ya que proporcionan propulsión y energía a los sistemas de a bordo. Sin embargo, su rendimiento puede degradarse con el tiempo debido a factores como el ensuciamiento, la erosión y la fatiga térmica, lo que provoca un aumento del consumo de combustible y una reducción de la eficiencia operativa. Este artículo explora la aplicación de técnicas de aprendizaje automático para predecir el rendimiento de las turbinas de gas, centrándose en modelos como la regresión lineal, las máquinas de vectores soporte (SVM), los bosques aleatorios y las máquinas de aumento gradual (GBM). Se realizó una exhaustiva revisión bibliográfica para evaluar los puntos fuertes y débiles de estas técnicas. Los modelos de aprendizaje automático se desarrollaron, ajustaron y evaluaron utilizando parámetros como la precisión, el error cuadrático medio cuadrático (RMSE) y R². Los resultados demuestran que los métodos ensemble, en particular Random Forests y GBM, superan a los modelos tradicionales en la predicción del rendimiento de las turbinas, ofreciendo soluciones sólidas, precisas e interpretables para el mantenimiento proactivo y la optimización operativa en buques de guerra.