Una de las partes más importantes de un motor de turbina de gas, que tiene un impacto directo en el rendimiento del motor y, como resultado, en el rendimiento del sistema de propulsión, es el sistema de control de combustible del motor. El sistema de control del motor tradicional es un método de control basado en sensores, que utiliza parámetros medibles para controlar el rendimiento del motor. En este contexto, la degradación de los componentes del motor conduce a un cambio en la relación entre los parámetros medibles y los parámetros de rendimiento del motor, y así a un aumento de los errores de control. En este trabajo, se implementa un método de control predictivo no lineal para el control directo de combustible de turbinas de gas con el fin de mejorar la capacidad de respuesta del motor también en presencia de condiciones degradadas. El objetivo de control del modelo propuesto es la predicción del consumo específico de combustible directamente en lugar de los parámetros medibles. De esta manera, es posible descentralizar las funciones del controlador y realizar un motor inteligente con el desarrollo de un sistema de control distribuido. Las Redes Neuronales Artificiales (ANN) se utilizan ampliamente como modelos impulsados por datos para modelar sistemas complejos como el rendimiento de motores aéreos. En este artículo, se han entrenado dos Redes Neuronales Autoregresivas No Lineales para predecir el consumo específico de combustible para varias maniobras de vuelo transitorias. Los datos utilizados para las predicciones de la ANN se han estimado a través del Programa de Simulación de Turbinas de Gas. En particular, la primera ANN predice las variables de estado en función de las condiciones de vuelo y la segunda predice el parámetro de rendimiento en función de las variables predichas anteriormente. Los resultados muestran una buena aproximación de las variables estudiadas también en condiciones degradadas.