Aplicación de herramientas de Machine Learning al comportamiento en la mar
-
1
Universidad Politécnica de Cartagena
info
-
2
Centre Internacional de Mètodes Numèrics en Enginyeria CIMNE
info
Centre Internacional de Mètodes Numèrics en Enginyeria CIMNE
Barcelona, España
ISSN: 0020-1073
Datum der Publikation: 2020
Titel der Ausgabe: Remolcadores • Seguridad y salvamento
Nummer: 990
Seiten: 77-88
Art: Artikel
Andere Publikationen in: Ingeniería naval
Zusammenfassung
La Inteligencia Artificial (IA) es un campo que ha venido desarrollándose en las últimas décadas, con énfasis en sistemas inteligentes para reconocimiento de escritura, sistemas de voz, sistemas autónomos, etcétera. En el ámbito de la Arquitectura Naval, la aplicación de la IA puede tener una relevancia notable, sobre todo como herramientas predictivas para evaluar el grado de cumplimiento de las expectativas de diseño. Este trabajo se centra en la aplicación de herramientas de Aprendizaje Máquina (Machine Learning) a un aspecto de la Ingeniería Naval, el comportamiento de buques en alta mar. La complejidad de los cálculos de respuesta del buque frente a olas hace habitual el uso de simplificaciones, por ejemplo, que la respuesta de la plataforma es de carácter lineal. El tipo de metodologías numéricas usualmente empleadas para la resolución de este tipo de problemas suelen ser los Métodos de Elementos Finitos o los Métodos de los Elementos de Contorno. Se propone el desarrollo de un algoritmo de aprendizaje basado en redes neuronales artificiales (Artificial Neural Network, ANN) que permita una evaluación de los parámetros del comportamiento en la mar en búsqueda de un ahorro en el tiempo de cálculo con precisiones similares a las ofrecidas por metodologías alternativas. Así, se llevará a cabo un estudio del estado del arte la IA en el ámbito de la Ingeniería Naval. Se propondrá una metodología de trabajo y entrenamiento de la red. Se llevarán a cabo comparativas para distintos tipos de buques. Finalmente, se expondrán unas conclusiones con los resultados relevantes obtenidos.