基于数据驱动的船舶油耗预测模型研究

以某客滚船为研究对象,将大量航行实际数据进行预处理,通过斯皮尔曼等级相关分析选择出船舶左右桨螺距、左右舷舵角、纵倾、船首风速、船舶对水和对地航速为油耗主要影响参数。建立基于LSTM神经网络的黑箱模型对数据进行学习并预测油耗,额外选取测试样本验证模型精度,优化模型内部结构以进一步提高预测精度。将最终得到的预测数据与实测数据对比,证明模型具有良好的准确性。该研究方法能为船舶运营人员优化运营方案提供参考,能够提高水路交通运输的经济性。     

船舶电力系统发展历程与展望

本文回顾了船舶电力系统的发展历程,包括早期以直流为主的电力系统概况和当前基于交流电制的电力系统的现状和特点,并就电力系统发展面临的挑战等问题进行探讨,最后结合现代工业化发展方向,从人工智能、信息安全、云计算平台等方面,预测船舶电力系统未来的发展。     

船舶电力推进系统控制策略仿真研究

本文针对单一的船舶电力推进系统控制策略无法应对所有复杂工况的问题，提出组合控制策略方案。首先基于三种常规电力推进系统控制策略（转速控制、转矩控制、功率控制）各自的适用范围，引入权重函数，定义权重系数，并提出结合粒子群算法优化权重系数的方法，然后搭建船舶电力推进系统仿真模型，模拟船舶复杂工况，验证组合控制策略的适用性。仿真实验结果表明，所提出的组合控制策略方案在应对船舶复杂工况时能充分发挥三种常规控制策略的优势，具有更好的控制效果。