The Machine Learning for Predicting Gas Turbine Performance in Naval Vessels

Resumo

As turbinas a gás são componentes essenciais nas embarcações navais modernas, fornecendo propulsão e energia para os sistemas de bordo. No entanto, seu desempenho pode se degradar com o tempo devido a fatores como incrustação, erosão e fadiga térmica, levando ao aumento do consumo de combustível e à redução da eficiência operacional. Este artigo explora a aplicação de técnicas de aprendizado de máquina (ML) para prever o desempenho de turbinas a gás, concentrando-se em modelos como regressão linear, máquinas de vetor de suporte (SVM), florestas aleatórias e máquinas de reforço de gradiente (GBM). Foi realizada uma revisão abrangente da literatura para avaliar os pontos fortes e fracos dessas técnicas. Os modelos de aprendizado de máquina foram desenvolvidos, ajustados e avaliados usando métricas como Precisão, Erro Quadrático Médio (RMSE) e R². Os resultados demonstram que os métodos de conjunto, especialmente Random Forests e GBM, superam os modelos tradicionais na previsão do desempenho da turbina, oferecendo soluções robustas, precisas e interpretáveis para manutenção proativa e otimização operacional em embarcações navais.