船舶航速優化文獻閱讀

• 背景知識
• 閱讀筆記
• • 袁裕鵬, 王康豫, 尹奇志, 等. 船舶航速優化綜述[J]. 交通運輸工程學報, 2020, 20(6): 18-34.

背景知識

航運貿易逐年增長，占世界貿易的80%以上，而隨之帶來的船舶燃油產生的二氧化碳排放問題，成為焦點。無論是從成本出發追求節能，還是從生態出發促進減排，船舶能效的優化成為了學術界關注的焦點。這里主要從船舶航速的角度出發考慮，針對船舶航速優化的文獻進行針對性的閱讀

閱讀筆記

袁裕鵬, 王康豫, 尹奇志, 等. 船舶航速優化綜述[J]. 交通運輸工程學報, 2020, 20(6): 18-34.

這篇文章中，對油耗預測模型進行了分類：分為白盒模型、黑盒模型和灰盒模型，并對三個模型進行簡單評價：

白盒模型：最常見的油耗模型，通常基于某一領域的相關知識建立，其結構和參數都已知。例如：孫星等基于船－機－槳的能量傳遞關系，建立了考慮船體阻力、螺旋槳推進和主機性能的能效模型。船舶主機消耗燃油發出功率經過齒輪箱、軸系等裝置傳遞至螺旋槳，螺旋槳收到功率后，經過螺旋槳與水流之間的相互作，最終轉化為推力克服船舶航行阻力推動船舶運動，而水流、波浪、水深、風等海洋擾動因素會改變船舶航行阻力和運動狀態，從而對航速產生影響，船－機－槳相互作用關系，如圖所示。

黑盒模型：與白盒模型相反，黑盒模型是基于歷史數據的統計訓練基礎上建立的，并且模型內的結構和參數是未知的。黑盒模型相對白盒模型具有更好的擬合性能，但黑盒模型也存在其系數無法反應船舶領域的專業知識和無法被其它研究人員直接使用的缺點。（這里我個人理解是：計算機行業的算法大牛針對油耗預測這個問題開發了一些算法，可能這些算法精度較好，但是實際上考慮的因素并不全面，比如說，沒有考慮船和風、流相互作用對船舶油耗帶來的影響或者變化的流場帶來的影響等等（也有可能正是因為他們考慮的不全面才能通過極其復雜的算法完成求解，很多時候考慮全面了反而求不出來）。因此，實際工程實踐中這些算法不一定被采用。）
這里主要提到了幾種方法：人工神經網絡（ANN）、支持向量機（SVR)以及交替稀疏自編碼（ASAE）、稀疏自編碼（SAE）等深度學習方法。
灰盒模型：灰盒模型是通過相關領域的先進知識來建立模型結構，并通過訓練歷史數據確定模型參數。（個人看法：其實就是些比較新、精度比較高的方法、同時具有一定的實用價值，因此比白盒模型和黑盒模型都更好）
絕大多數模型其實都是白盒或者黑盒模型，只有少數是灰盒模型，但是黑盒模型大多基于人工智能算法對數據進行訓練學習建立，因此，黑盒模型隨著人工智能技術的發展，精度會不斷提高，同時，隨著計算機算力的增加，其計算效率會進一步提高。
這篇文章還提到以下一點：那就是所有的預測模型都沒有考慮污底對于船舶航行的影響，重度污底的情況下，增加的航行阻力占總阻力的50%以上，因此可能導致預測模型普遍存在誤差。（這一點之前確實沒考慮過，但是考慮過類似的問題：比如考慮流場時，我們很多時候是從二維的層面去考慮力的作用的，實際上，隨著水深變化，受力情況也會隨之改變，因此需要考慮別的情況）
關于優化策略：待補充

總結

以上是生活随笔為你收集整理的船舶航速优化文献阅读的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。