科创中国

船舶油耗预测及优化控制技术

（1）多源油耗数据采集：通过本项目开发的船舶管理平台对船舶进行航迹跟踪，并利用船上传感器收集设备数据和油耗数据，包括船上各类能源消耗系统如推进系统、辅助系统等；同时收集基于AIS的船舶位置、航向、航速，以及外部天气、水文等数据。

（2）异构数据特征融合：由于各传感器采样频率不同，数据在时域上出现跨模态特点，本项目首先采用分帧、加窗、快速傅里叶变换等一系列方法，实现异构数据在时域上的一致性；然后使用压缩感知技术，对异构数据在时间序列特征进行稀疏采样以及特征融合。

（3）油耗预测模型建立：本课题采用基于宽度学习技术（BLS）的增量学习框架设计一种动态逐步更新算法，构建船舶油耗预测模型，将船舶油耗内部数据作为初始输入，利用输入数据映射的特征作为网络的特征节点；将AIS数据，天气水文等外部数据作为其新增的增强节点输入以增量学习的方式来更新整个油耗预测模型。

（4）能耗优化控制器设计：根据油耗数据的输出反馈，设计基于事件触发机制（ET）的自适应动态规划（ADP）控制器，并使用宽度学习系统（BLS）优化ADP中的评价网和执行网，减少冗余控制带来的能耗损失。

船舶能效管理智能决策支持系统

（1）船载边缘计算模块：通过在靠近船舶数据采集端进行即时的数据处理、计算和分析，降低海上航行船舶对网络通信和数据中心的依赖，在解决船舶航行的通信带宽受限以及通信盲区等问题提供了有效的支持解决方案；并在网络通信条件允许情况下，以状态变量的形式完成与岸基的即时数据交互、更新及融合，减轻网络宽带和数据中心的压力。

（2）岸基数字孪生模块：通过与船载边缘计算模块的协同作业，将船舶各种状态信息在经过压缩感知处理后，使真实物理层的多源信息映射为虚拟计算层的各种状态，完成船岸间能效数据的同步预测和异步更新。

（3）智能人机交互模块：通过采用集人脸识别和语音识别于一体的独立功能，将语音数据进行数字化后对特定语音词条进行识别，生成对应控制指令，并将处理结果通过以太网发送至控制计算机，为航行船舶的能效管理提供智能化服务。

（4）管理决策支持模块：通过船舶安装的传感器设备，实时测量采集主机转速、辅机功率、位置信息、阶段里程、阶段航速，气导信息等，以及得到各种航行状态下的燃油消耗数据，实现对船舶油耗的在线及远程监测。通过上述的油耗预测模型，确定影响船舶能耗因素，对航行路径规划以及航行速度优化等方面提出科学性的决策支持。