基于縱傾優化的船舶航行節能控制系統

許宇彤

基于縱傾優化的船舶航行節能控制系統

許宇彤

（武漢理工大學 信息工程學院，湖北 武漢 430070）

近年來，隨著計算機技術與通信技術的快速發展，其在航運業的應用也越來越廣泛。船舶往往在一定航區一定航線內運營工作，所以可通過收集船舶運行時的各種參數，如主輔機燃油消耗、滑油消耗、航速、船位、吃水以及航行軌跡等，分析航行狀況。在此基礎上，通過配載調節改善船舶的縱傾，減小船舶阻力，降低燃油消耗；另一方面在船舶航行過程中，根據以往的運行參數和海況智能計算自動調節船舶主機，找到適合當時海況條件下的經濟航速，以達到減少主機油耗目的。針對上述需求，提出了一種基于縱傾優化的船舶航行節能控制系統。

縱傾優化；機器學習；智能配載；節能減排

1 引言

航運業帶給人們大量便利的同時也造成了廢氣的大量排放和能源的日益枯竭。據IMO（International Maritime Organization，國際海事組織）統計，截至目前，海上運輸排出的溫室氣體占全球CO2總排放量的3%。燃油消耗高達營運船舶成本的50%～60%，環境問題導致船用油料成本在航運市場相對低迷的情況下依然波動上行，給航運業帶來巨大的挑戰，提高船舶營運能效水平勢在必行。目前對于已經運營的船舶，IMO船舶能效管理計劃給出了以下幾種節能方法：保持船體和螺旋槳完整避免損傷、使用較低的經濟航速、調節主機和螺旋槳、以最佳縱傾角度航行等，并將船舶縱傾優化作為最有效的船舶節能方式。

本文提出的節能系統具有以下技術優點：相對于氣泡減阻、生物材料減阻、主機熱經濟分析等節能減排措施，本技術通過調節船舶縱傾降低船舶阻力減小燃油消耗，為船舶配載提供指導性意見，對舊船適用性較強，不需要對船舶進行大范圍改造，投資成本低。相對于降速航行等節能減排措施，本技術能夠結合航次計劃、燃料消耗、綜合經濟效益分析，根據收集的數據，自動計算油耗并調節船舶航速，節油效果更好。隨著科技的發展，船舶也變得越來越智能化，結合智能船舶技術，本技術可以為船舶無人化提供技術基礎。

2 系統設計

經過理論分析，船舶航行時，在一定的吃水深度下，不同的航速對應一個最優的縱傾值。在該縱傾值下航行，船舶有最小的航行阻力，因而有最小的油耗和排放量。本控制系統的核心是通過記錄航行數據進而對其進行數據分析學習，得到不同吃水及航速下的最佳縱傾值。把該縱傾值作為優化目標，通過船舶配載儀系統計算輸出對應的配載方案。同時，根據以往的運行參數和海況智能計算自動調節船舶主機，找到適合當時海況條件下的經濟航速，以達到減少主機油耗的目的。

航行環境數據包括船舶航行時氣象條件、風、浪、經緯度等數據，船舶航行數據包括航速、油耗、燃油溫度、燃油密度、縱傾角、橫傾角、真航向、偏航角、舵角、螺距、吃水、舷高等數據。

本技術提供了一種基于縱傾優化的節能減排控制系統，所屬控制系統包括軟件和硬件系統兩部分。

2.1 硬件系統

集控箱包括 PLC控制器、電源、交換機、信號隔離器、電源冗余模塊、模擬量輸入模塊、通訊模塊、電源濾波器、相應的控制線纜。

控制電腦一共兩臺，安裝在集控室和大副室（備用），配載貨物時，通過智能學習以往收集的航行數據對貨物配載進行優化，以船舶航行阻力最小為優化目標調節船舶縱傾；船舶運行時，根據以往的運行參數和海況智能計算并自動調節船舶主機油門，進而調節船舶航速，找到適合當時海況條件下的經濟航速。

不間斷電源（Uninterruptible Power System）停電時，UPS為基于縱傾優化的節能減排控制系統供電不少于 30 min。電源故障、交換機故障、請求異常、指令異常、共振區、掃氣壓力、轉速超速、配載異常時，報警裝置進行聲光報警。

2.2 軟件系統

2.2.1 配載系統

航次信息輸入/顯示模塊顯示船舶基本參數、水域選擇、港口信息、航區及載重線、航行狀態、使用人信息。裝載信息顯示模塊顯示配載詳細信息，如壓載水艙、貨艙等載重信息。穩性計算與衡準模塊顯示浮態參數、穩性衡準參數以及穩性力臂表。

破艙穩性計算機衡準模塊負責破損組合計算及衡準、破損艙室設置及顯示、破損艙室進水計算及衡準。強度計算與校核模塊包括剪力與彎矩總結表以及校核結果顯示、最大靜水剪力/彎矩。縱傾優化計算模塊：基于優化算法計算設定縱傾值下的配載方案，且該方案滿足船舶穩性及強度要求。

綜合報告輸出模塊輸出配載計算報告。

2.2.2 船舶航行控制系統

信息顯示模塊：可以在海圖上顯示船位、航速、航向、航行記錄、報警記錄等，主要通過電子海圖模塊化操作，向操作人員顯示船舶航行經過的某一海域的地理環境以及風、浪、洋流信息，據此信息來設計航線。

航線設計模塊：根據具體的船運航行計劃，以電子海圖為基礎，為船舶安全航行提供航線設計。

船舶燃油消耗模塊：收集船舶航行過程中的主輔機燃油消耗及滑油消耗。

航行信息模塊：航行過程中收集船舶航行海域的風、浪、洋流等數據。

航速優化模塊：根據航次任務，結合風向、風力和潮汐等水文及天氣狀況，同時考慮目的港的作業情況和港口費用等因素，以船舶利潤最大或油耗最低為目標，進行航速優化。

操作指令下達模塊：根據航速優化模塊計算所得的結果將指令發送到集控箱，自動調節船舶航速，遇到特殊情況時，船員可以停止航速自動調節，進入手動駕駛。

3 軟件算法介紹

3.1 自學習系統實現（神經網絡算法）

需根據當前季節、當前航線下的油耗最低對應的傾角來進行貨物的裝配優化，因此需要使用自學習算法對采集到的數據進行處理并且預測，在此使用神經網絡算法。本系統基于每次對船舶的縱傾角度和對應的船舶油耗等參數，設計了一個用于預測不同季節、不同航線、不同吃水和航速下的船舶縱傾角度對應船舶油耗的神經網絡。船舶第一次在固定航線運行時，需要多次調整角度，采集船舶縱傾角、船速和油耗數據，作為基礎數據。采集到基礎數據后需將數據制作成數據集，喂入神經網絡進行訓練，就可以得到一個可以預測船舶油耗的神經網絡，這也是一種曲線擬合。曲線上的最低點即油耗的最低點，其對應的角度也就是縱傾角度所要調節的角度。在后面幾次航行時，在這個油耗最低的傾角處進行微調并記錄，將這部分數據再次喂入神經網絡訓練。經過不斷學習，神經網絡對不同時間、吃水、航速、固定航線下的傾角預測更為準確。

通過自學獲得一個預測船舶油耗的神經網絡后，需要在一定的角度限制范圍內找到油耗的最低點，這個問題可以使用智能優化算法解決。在此使用模擬退火算法，模擬退火算法是一種通用概率演算法，用來在一個大的搜尋空間內找尋命題的最優解，模擬退火在大數據和多目標規劃問題中有較快的速度且實現較為簡單。在模擬退火中，將油耗作為目標函數，人為設置較大的退火擾動次數、較低的溫度下降速率、較低的結束溫度，將神經網絡的預測作為新解的產生、確定接受新解的準則。在多次模擬退火迭代之后就可以獲得當前傾角范圍內的油耗最低所對應的最優縱傾角度。

3.2 裝載優化系統實現（多目標遺傳-粒子群算法）

本系統基于最優縱傾角的輸入，需要對貨物的裝載進行優化。通過不同的貨艙內的貨物擺放，給船舶設置一個預傾斜角度，用于減少航行中船舶傾角調制次數。在擺放貨物時還需要滿足多個船舶的約束條件，以避免船舶發生翻船等問題。因此在裝載優化中使用粒子群優化算法來實現在多個約束條件下求解船舶的最優裝配。

粒子群算法相較于傳統算法，計算速度非常快，全局搜索能力也很強；同時粒子群算法對于種群大小不十分敏感，所以初始種群往往設為500～1 000，不同初值速度影響也不大；粒子群算法適用于連續函數極值問題，對于非線性、多峰的問題均有較強的全局搜索能力。粒子群算法通過個體極值和全局極值來更新每個粒子的位置和速度，其狀態變化方程主要如下：

ij（+1）=ij（）+11［ij（）－

ij（）］+22［j（）－ij（）］ （1）

ij（+1）－ij（t）+ij（+1） （2）

式（1）（2）中：ij為粒子的速度；為慣性權重；1、2為學習因子；1、2為［0，1］范圍內的均勻隨機數；為粒子的個體極值；ij為粒子的位置；為粒子群的全局極值。粒子ij的多個維度可以對應多個約束量。

除此之外，還需要自行定義一個適應度函數Fitness來對每個粒子的適應度進行評價，以此決定個體最優解和全局最優解。

在裝載優化系統中，將貨艙貨物作為粒子群中每個粒子的i，將約束條件、船舶傾角要求和對于該貨物裝配評價作為粒子群的評價函數。設置多個粒子作為粒子群，用評價函數計算每個粒子的適應度［］，對粒子群進行初始化。設置迭代的輪數，在每輪迭代中求解每個粒子的適應度并與個體極值（）比較，如果［］＞（），則用［］替換掉（）。還要與粒子群的全局極值（）比較，如果［］＞（），則用［］替換掉（）。同時使用公式更新粒子的位置i和速度i。在迭代結束后，全局最優解對應最優傾角下貨物裝配。

4 具體實施及效果

4.1 實施階段

數據采集階段：船舶按照以往狀態正常運行，運行過程中適當調節配載改變船舶的縱傾值，通過傳感器采集船舶航行過程中的主機轉速、燃油流量、對地航速、百海里油耗、航行阻力、吃水、運行軌跡等數據，并將數據進行儲存。數據儲存分為兩個部分：①實時趨勢數據顯示船舶運行時運行參數和曲線，包括主機轉速、小時油耗、對地航速、百海里油耗航行阻力、吃水、運行軌跡；②歷史趨勢數據記錄船舶運行參數和曲線，包括主機轉速、小時油耗、對地航速、百海里油耗和航行阻力、吃水、運行軌跡。便于查閱主機運行的參數和運行的趨勢。參與控制的數據由PLC控制器執行，設備通電之后執行初始化，過程數據一般存儲在控制器的靜態RAM中，例如中間變量、全局變量等。控制器復位后會自動進行初始化。HMI（Human Machine Interface，人機界面）通過以太網通訊與PLC控制器實時交換過程數據。歷史數據由HMI單元負責存儲，操作員可通過HMI記錄歷史運行參數，如主機轉速、小時油耗、對地航速、百海里油耗、對地滑失率。

機器學習階段：通過之前采集到的數據，根據貨物的配載計劃，采用機器學習的方法，自動規劃出幾條可供選擇的路線，船員視天氣情況選擇最佳路線。

智能配載階段：根據規劃出來的航線的吃水情況調節船舶配載，進而優化船舶的縱傾狀態，減小船舶航行阻力，降低油耗。

航行控制階段：船舶在大海上航行，不可避免會受到天氣和潮汐的影響，從而使船舶推進效率受到影響，在海況變化過程中，控制系統自動調節船舶主機油門，控制船舶航行的速度，自動尋找適合當時海況條件下的經濟航速，對船舶航行進行智能控制，以達到主機油耗的目的。節能控制系統工作流程如圖1所示。

4.2 使用效果

根據文獻[1]研究可知：根據實船試航報告，14100TEU型船舶在同等工況下，由尾傾改為首傾，理論節能潛力為11.5%。由于首艘試驗船舶在氣象條件較好的季節測試，航次總油耗節能為8.2%。若考慮到實際船舶營運中風、流、浪等惡劣氣象的影響，保守估計全年平均節能率可達到5%以上。根據中海集運兩條航線（AEX7和AMA）運營的8艘14100TEU按正常運營，并以5%節能率計算，每年可節約燃油費用1 044萬美元。

據文獻[2]研究可知，以一艘一月份從東京港前往洛杉磯港的4500TEU集裝箱船為例，僅通過優化操縱行為（改向、變速）難以降低油耗，與標準大圓航線相比僅節約0.2%，但是利用速度優化算法結合航向優化可以節油1.8%。

圖1 節能控制系統工作流程圖

［1］邱斌彬.船舶縱傾優化［J］.中國船檢，2014（2）：70-74.

［2］魏照坤.風浪影響下的集裝箱船舶航速優化［D］.大連：大連海事大學，2018.

2095－6835（2020）10－0031－03

U661.3

A

10.15913/j.cnki.kjycx.2020.10.012

許宇彤（1999—），男，本科在讀，主要從事信息數據處理以及自動控制學習與研究。

〔編輯：嚴麗琴〕