基于机器学习和粒子群算法的泥船能效预测与优化方法研究.pdf

基于机器学习和粒子群算法的耙吸式挖泥船能效预测与优化方法研究

摘要

随着中国经济的蓬勃发展，我国的港口运输业也迎来了高速发展的黄金时期，港

口作为国家经济发展的重要枢纽，其运输能力和效率直接关系到国家的贸易和物流发

展，随着港口吞吐量的不断增长，国内港口疏浚工程量也不端增加。对港口航道项目

工程的建造与修复来说，疏浚工程至关重要，耙吸船作为当前疏浚工程的主要船型，

可独立完成挖、装、运、卸（吹），具有机动灵活，效率高，抗风浪力强等特点，在

港口维护或沿海进港航道的挖掘等任务中有着不可替代的作用。

随着燃料成本的提高和人们环境保护意识的加强，响应国家可持续发展战略的号

召，通过科学方法优化耙吸船能效，对促进耙吸船节能减排技术的发展意义重大。但

长期以来，耙吸船的施工主要依据操作人员的经验和技巧，然而这些经验积累通常为

定性的观察和总结，难以用精确的数据和科学的模型加以描述和预测；耙吸船数据复

杂度高，在疏浚过程受泥泵转速、耙头对地角度等多因素的影响，且容易受到施工环

境的干扰，目前国内仍缺少对挖泥船施工数据的总结、分析与优化。除此以外耙吸船

作业过程具有典型的非线性、迟滞性的特点，传统的能效建模方法难以实现准确的能

效预测，机器学习技术的引入为解决这一难题提供了新的可能性。通过对大量的施工

数据进行收集和分析，可以建立更准确的耙吸船施工模型，并预测其在不同条件下的

表现。这不仅可以帮助优化施工计划和资源分配，提高疏浚效率，还可以减少人为因

素对施工质量和安全性的影响，为港口工程的可持续发展提供更可靠的支持。

本文旨在研究耙吸式挖泥船的能效预测与优化理论，首先简要分析了耙吸船工作

机理和影响耙吸船能效的影响因素，在此基础上通过数据挖掘技术对施工参数预处理，

包括对耙吸船的工况划分、消除密度时滞误差、运用小波消噪技术减少数据噪声和通

过相关性分析方法抽取合适的样本特征。之后，提出了一种通过自注意力机制优化的

LSTM/GRU耙吸船能效预测模型，并在预测模型基础上探讨了基于自适应粒子群算法

的耙吸船能效优化方法。此外，设计了一套耙吸船能效监控界面，实现了数据的可视

化显示，并通过对历史数据的分析和处理得出辅助优化参数，为耙吸船施工提供了可

靠的理论支持和实用工具。

关键词：耙吸船；循环神经网络；注意力机制；粒子群算法

哈尔滨工程大学专业学位硕士学位论文

Abstract

WiththeboomingdevelopmentofChinaseconomy,Chinasporttransportindustryhas

alsousheredinagoldenperiodofhigh-speeddevelopment,theportasanimportanthubof

nationaleconomicdevelopment,itstransportcapacityandefficiencyisdirectlyrelatedtothe

countrystradeandlogisticsdevelopment,withthecontinuousgrowthofportthroughput,the

amountofdomesticharbourdredgingprojectalsoincreasedatanytime.Fortheconstruction

andrepairofportwaterwayprojectengineering,dredgingprojectiscrucial,trailingsuction

hopperdredgerasthecurrentdredgingprojectofthemaintypeofship,canindependently

completethedigging,loading,transporting,unloading(blowing),hasthecharacteristicsof

manoeuvrabilityandflexibility,highefficienc