{"id":{"repo_id":"upc-spain","oai_identifier":"oai:repositorio.upct.es:10317/13762"},"canonical_url":"https://search.dev.ndltd.org/etd/upc-spain/oai:repositorio.upct.es:10317/13762","repository":{"repo_id":"upc-spain","name":"Universidad Politécnica de Cartagena","base_url":"http://repositorio.upct.es/oai/request"},"display":{"title":"Diseño de buques adaptado al comportamiento en la mar mediante inteligencia artificial","abstract":"[SPA] La inteligencia artificial (IA) es un campo que ha venido desarrollándose en las ultimas 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. Esta Tesis Doctoral se centra en la aplicación de herramientas de machine learning (ML) para evaluar un aspecto concreto de la arquitectura naval, como es el comportamiento en el mar de los buques. Para ello, se han desarrollado algoritmos basados en redes neuronales artificiales (RNA). Además, estos algoritmos no requieren de la geometría exacta del casco, ya que solo dependen de un número limitado de coeficientes adimensionales de las formas del buque. En esta Tesis Doctoral se presentará la metodología utilizada para obtener la mejor arquitectura de RNA, generar la base de datos de buques utilizada para el entrenamiento y, para, el posterior tratamiento de datos que permita la correcta predicción de los objetivos. Se ha utilizado un código potencial 3D para resolver el problema de radiación-difracción de olas mediante el método de los elementos de contorno, en inglés, boundary element method (BEM), obteniendo las matrices de masa añadida, de amortiguamiento y las fuerzas de excitación para diferentes direcciones de ola y velocidades. El principal resultado de esta Tesis, es el desarrollo de una RNA capaz de predecir instantáneamente el comportamiento en la mar de buques monocasco y con una precisión similar a la del código BEM de entrenamiento. Además, se presentan dos casos de aplicación de los algoritmos desarrollados en el marco de la Tesis. En ambos casos de aplicación, se aprecian claramente las ventajas de la utilización de la IA frente a los métodos tradicionales de cálculo de comportamiento en la mar, ya que con estos últimos no se podrían llevar a cabo los estudios realizados en los casos de aplicación.","abstract_html":"[SPA] La inteligencia artificial (IA) es un campo que ha venido desarrollándose en las ultimas 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. Esta Tesis Doctoral se centra en la aplicación de herramientas de machine learning (ML) para evaluar un aspecto concreto de la arquitectura naval, como es el comportamiento en el mar de los buques. Para ello, se han desarrollado algoritmos basados en redes neuronales artificiales (RNA). Además, estos algoritmos no requieren de la geometría exacta del casco, ya que solo dependen de un número limitado de coeficientes adimensionales de las formas del buque. En esta Tesis Doctoral se presentará la metodología utilizada para obtener la mejor arquitectura de RNA, generar la base de datos de buques utilizada para el entrenamiento y, para, el posterior tratamiento de datos que permita la correcta predicción de los objetivos. Se ha utilizado un código potencial 3D para resolver el problema de radiación-difracción de olas mediante el método de los elementos de contorno, en inglés, boundary element method (BEM), obteniendo las matrices de masa añadida, de amortiguamiento y las fuerzas de excitación para diferentes direcciones de ola y velocidades. El principal resultado de esta Tesis, es el desarrollo de una RNA capaz de predecir instantáneamente el comportamiento en la mar de buques monocasco y con una precisión similar a la del código BEM de entrenamiento. Además, se presentan dos casos de aplicación de los algoritmos desarrollados en el marco de la Tesis. En ambos casos de aplicación, se aprecian claramente las ventajas de la utilización de la IA frente a los métodos tradicionales de cálculo de comportamiento en la mar, ya que con estos últimos no se podrían llevar a cabo los estudios realizados en los casos de aplicación.","abstract_has_math":false,"creators":["Romero Tello, Pablo"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2024,"date_issued":"2024","date_published":"2024","updated_at":"2026-07-24T05:39:29Z","subjects":["Construcción naval","Tecnología naval","Inteligencia artificial (IA)","Herramientas de machine learning (ML)"],"languages":[],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["hdl:10317/13762"],"render_values":[{"text":"hdl:10317/13762","href":null,"code":true}]}]},"links":{"outbound_url":"https://doi.org/10.31428/10317/13762","outbound_label":"DOI","outbound_source":"dc:identifier.doi"},"metadata_groups":[{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date.issued","label":"Date","values":["2024"]},{"key":"dc:type","label":"Dc Type","values":["info:eu-repo/semantics/doctoralThesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Construcción naval","Tecnología naval","Inteligencia artificial (IA)","Herramientas de machine learning (ML)"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["hdl:10317/13762"]},{"key":"dc:identifier.doi","label":"DOI","values":["10.31428/10317/13762"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description.other","label":"Dc Description Other","values":["[SPA] La inteligencia artificial (IA) es un campo que ha venido desarrollándose en las ultimas 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. Esta Tesis Doctoral se centra en la aplicación de herramientas de machine learning (ML) para evaluar un aspecto concreto de la arquitectura naval, como es el comportamiento en el mar de los buques. Para ello, se han desarrollado algoritmos basados en redes neuronales artificiales (RNA). Además, estos algoritmos no requieren de la geometría exacta del casco, ya que solo dependen de un número limitado de coeficientes adimensionales de las formas del buque. En esta Tesis Doctoral se presentará la metodología utilizada para obtener la mejor arquitectura de RNA, generar la base de datos de buques utilizada para el entrenamiento y, para, el posterior tratamiento de datos que permita la correcta predicción de los objetivos. Se ha utilizado un código potencial 3D para resolver el problema de radiación-difracción de olas mediante el método de los elementos de contorno, en inglés, boundary element method (BEM), obteniendo las matrices de masa añadida, de amortiguamiento y las fuerzas de excitación para diferentes direcciones de ola y velocidades. El principal resultado de esta Tesis, es el desarrollo de una RNA capaz de predecir instantáneamente el comportamiento en la mar de buques monocasco y con una precisión similar a la del código BEM de entrenamiento. Además, se presentan dos casos de aplicación de los algoritmos desarrollados en el marco de la Tesis. En ambos casos de aplicación, se aprecian claramente las ventajas de la utilización de la IA frente a los métodos tradicionales de cálculo de comportamiento en la mar, ya que con estos últimos no se podrían llevar a cabo los estudios realizados en los casos de aplicación.","[ENG] Artificial intelligence (AI) is a field that has been developed over the past few decades, with an emphasis on intelligent systems for handwriting recognition, voice systems, autonomous systems, and so on. In the realm of naval architecture, the application of AI can have significant relevance, especially as predictive tools to assess the degree of compliance with design expectations. This Doctoral Thesis focuses on the application of machine learning (ML) tools to evaluate a specific aspect of naval architecture, such as the seakeeping of ships. For this, algorithms based on artificial neural networks (ANN) have been developed. Furthermore, these algorithms do not require the exact geometry of the hull, as they only depend on a limited number of dimensionless coefficients of the ship’s forms. This Doctoral Thesis will present the methodology used to obtain the best ANN architecture, generate the database of ships used for training, and for the subsequent data processing that allows the correct prediction of the objectives. A 3D potential flow has been used to solve the wave radiation-diffraction problem using the boundary element method (BEM), obtaining the added mass and damping matrices, and excitation forces for different wave directions and speeds. The main result of this Thesis is the development of an ANN capable of instantly predicting seakeeping with accuracy similar to that of BEM codes. In addition, two application cases of the algorithms developed within the framework of the Thesis are presented. In both application cases, the advantages of using AI over traditional methods to analyze seakeeping can be clearly appreciated, since it would not be possible to carry them out with the latter due to the enourmous computational resources required."]},{"key":"dc:title","label":"Title","values":["Diseño de buques adaptado al comportamiento en la mar mediante inteligencia artificial"]}]}],"canonical_facts":{"dc:date.issued":["2024"],"dc:description.other":["[SPA] La inteligencia artificial (IA) es un campo que ha venido desarrollándose en las ultimas 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. Esta Tesis Doctoral se centra en la aplicación de herramientas de machine learning (ML) para evaluar un aspecto concreto de la arquitectura naval, como es el comportamiento en el mar de los buques. Para ello, se han desarrollado algoritmos basados en redes neuronales artificiales (RNA). Además, estos algoritmos no requieren de la geometría exacta del casco, ya que solo dependen de un número limitado de coeficientes adimensionales de las formas del buque. En esta Tesis Doctoral se presentará la metodología utilizada para obtener la mejor arquitectura de RNA, generar la base de datos de buques utilizada para el entrenamiento y, para, el posterior tratamiento de datos que permita la correcta predicción de los objetivos. Se ha utilizado un código potencial 3D para resolver el problema de radiación-difracción de olas mediante el método de los elementos de contorno, en inglés, boundary element method (BEM), obteniendo las matrices de masa añadida, de amortiguamiento y las fuerzas de excitación para diferentes direcciones de ola y velocidades. El principal resultado de esta Tesis, es el desarrollo de una RNA capaz de predecir instantáneamente el comportamiento en la mar de buques monocasco y con una precisión similar a la del código BEM de entrenamiento. Además, se presentan dos casos de aplicación de los algoritmos desarrollados en el marco de la Tesis. En ambos casos de aplicación, se aprecian claramente las ventajas de la utilización de la IA frente a los métodos tradicionales de cálculo de comportamiento en la mar, ya que con estos últimos no se podrían llevar a cabo los estudios realizados en los casos de aplicación.","[ENG] Artificial intelligence (AI) is a field that has been developed over the past few decades, with an emphasis on intelligent systems for handwriting recognition, voice systems, autonomous systems, and so on. In the realm of naval architecture, the application of AI can have significant relevance, especially as predictive tools to assess the degree of compliance with design expectations. This Doctoral Thesis focuses on the application of machine learning (ML) tools to evaluate a specific aspect of naval architecture, such as the seakeeping of ships. For this, algorithms based on artificial neural networks (ANN) have been developed. Furthermore, these algorithms do not require the exact geometry of the hull, as they only depend on a limited number of dimensionless coefficients of the ship’s forms. This Doctoral Thesis will present the methodology used to obtain the best ANN architecture, generate the database of ships used for training, and for the subsequent data processing that allows the correct prediction of the objectives. A 3D potential flow has been used to solve the wave radiation-diffraction problem using the boundary element method (BEM), obtaining the added mass and damping matrices, and excitation forces for different wave directions and speeds. The main result of this Thesis is the development of an ANN capable of instantly predicting seakeeping with accuracy similar to that of BEM codes. In addition, two application cases of the algorithms developed within the framework of the Thesis are presented. In both application cases, the advantages of using AI over traditional methods to analyze seakeeping can be clearly appreciated, since it would not be possible to carry them out with the latter due to the enourmous computational resources required."],"dc:identifier":["hdl:10317/13762"],"dc:identifier.doi":["10.31428/10317/13762"],"dc:subject":["Construcción naval","Tecnología naval","Inteligencia artificial (IA)","Herramientas de machine learning (ML)"],"dc:title":["Diseño de buques adaptado al comportamiento en la mar mediante inteligencia artificial"],"dc:type":["info:eu-repo/semantics/doctoralThesis"]},"updated_at":"2026-07-24T05:39:29Z"}