基于纵倾优化的船舶航行节能控制系统

2020-06-08许宇彤

科技与创新 2020年10期

许宇彤

基于纵倾优化的船舶航行节能控制系统

许宇彤

（武汉理工大学信息工程学院，湖北武汉 430070）

近年来，随着计算机技术与通信技术的快速发展，其在航运业的应用也越来越广泛。船舶往往在一定航区一定航线内运营工作，所以可通过收集船舶运行时的各种参数，如主辅机燃油消耗、滑油消耗、航速、船位、吃水以及航行轨迹等，分析航行状况。在此基础上，通过配载调节改善船舶的纵倾，减小船舶阻力，降低燃油消耗；另一方面在船舶航行过程中，根据以往的运行参数和海况智能计算自动调节船舶主机，找到适合当时海况条件下的经济航速，以达到减少主机油耗目的。针对上述需求，提出了一种基于纵倾优化的船舶航行节能控制系统。

纵倾优化；机器学习；智能配载；节能减排

1 引言

航运业带给人们大量便利的同时也造成了废气的大量排放和能源的日益枯竭。据IMO（International Maritime Organization，国际海事组织）统计，截至目前，海上运输排出的温室气体占全球CO2总排放量的3%。燃油消耗高达营运船舶成本的50%～60%，环境问题导致船用油料成本在航运市场相对低迷的情况下依然波动上行，给航运业带来巨大的挑战，提高船舶营运能效水平势在必行。目前对于已经运营的船舶，IMO船舶能效管理计划给出了以下几种节能方法：保持船体和螺旋桨完整避免损伤、使用较低的经济航速、调节主机和螺旋桨、以最佳纵倾角度航行等，并将船舶纵倾优化作为最有效的船舶节能方式。

本文提出的节能系统具有以下技术优点：相对于气泡减阻、生物材料减阻、主机热经济分析等节能减排措施，本技术通过调节船舶纵倾降低船舶阻力减小燃油消耗，为船舶配载提供指导性意见，对旧船适用性较强，不需要对船舶进行大范围改造，投资成本低。相对于降速航行等节能减排措施，本技术能够结合航次计划、燃料消耗、综合经济效益分析，根据收集的数据，自动计算油耗并调节船舶航速，节油效果更好。随着科技的发展，船舶也变得越来越智能化，结合智能船舶技术，本技术可以为船舶无人化提供技术基础。

2 系统设计

经过理论分析，船舶航行时，在一定的吃水深度下，不同的航速对应一个最优的纵倾值。在该纵倾值下航行，船舶有最小的航行阻力，因而有最小的油耗和排放量。本控制系统的核心是通过记录航行数据进而对其进行数据分析学习，得到不同吃水及航速下的最佳纵倾值。把该纵倾值作为优化目标，通过船舶配载仪系统计算输出对应的配载方案。同时，根据以往的运行参数和海况智能计算自动调节船舶主机，找到适合当时海况条件下的经济航速，以达到减少主机油耗的目的。

航行环境数据包括船舶航行时气象条件、风、浪、经纬度等数据，船舶航行数据包括航速、油耗、燃油温度、燃油密度、纵倾角、横倾角、真航向、偏航角、舵角、螺距、吃水、舷高等数据。

本技术提供了一种基于纵倾优化的节能减排控制系统，所属控制系统包括软件和硬件系统两部分。

2.1 硬件系统

集控箱包括 PLC控制器、电源、交换机、信号隔离器、电源冗余模块、模拟量输入模块、通讯模块、电源滤波器、相应的控制线缆。

控制电脑一共两台，安装在集控室和大副室（备用），配载货物时，通过智能学习以往收集的航行数据对货物配载进行优化，以船舶航行阻力最小为优化目标调节船舶纵倾；船舶运行时，根据以往的运行参数和海况智能计算并自动调节船舶主机油门，进而调节船舶航速，找到适合当时海况条件下的经济航速。

不间断电源（Uninterruptible Power System）停电时，UPS为基于纵倾优化的节能减排控制系统供电不少于 30 min。电源故障、交换机故障、请求异常、指令异常、共振区、扫气压力、转速超速、配载异常时，报警装置进行声光报警。

2.2 软件系统

2.2.1 配载系统

航次信息输入/显示模块显示船舶基本参数、水域选择、港口信息、航区及载重线、航行状态、使用人信息。装载信息显示模块显示配载详细信息，如压载水舱、货舱等载重信息。稳性计算与衡准模块显示浮态参数、稳性衡准参数以及稳性力臂表。

破舱稳性计算机衡准模块负责破损组合计算及衡准、破损舱室设置及显示、破损舱室进水计算及衡准。强度计算与校核模块包括剪力与弯矩总结表以及校核结果显示、最大静水剪力/弯矩。纵倾优化计算模块：基于优化算法计算设定纵倾值下的配载方案，且该方案满足船舶稳性及强度要求。

综合报告输出模块输出配载计算报告。

2.2.2 船舶航行控制系统

信息显示模块：可以在海图上显示船位、航速、航向、航行记录、报警记录等，主要通过电子海图模块化操作，向操作人员显示船舶航行经过的某一海域的地理环境以及风、浪、洋流信息，据此信息来设计航线。

航线设计模块：根据具体的船运航行计划，以电子海图为基础，为船舶安全航行提供航线设计。

船舶燃油消耗模块：收集船舶航行过程中的主辅机燃油消耗及滑油消耗。

航行信息模块：航行过程中收集船舶航行海域的风、浪、洋流等数据。

航速优化模块：根据航次任务，结合风向、风力和潮汐等水文及天气状况，同时考虑目的港的作业情况和港口费用等因素，以船舶利润最大或油耗最低为目标，进行航速优化。

操作指令下达模块：根据航速优化模块计算所得的结果将指令发送到集控箱，自动调节船舶航速，遇到特殊情况时，船员可以停止航速自动调节，进入手动驾驶。

3 软件算法介绍

3.1 自学习系统实现（神经网络算法）

需根据当前季节、当前航线下的油耗最低对应的倾角来进行货物的装配优化，因此需要使用自学习算法对采集到的数据进行处理并且预测，在此使用神经网络算法。本系统基于每次对船舶的纵倾角度和对应的船舶油耗等参数，设计了一个用于预测不同季节、不同航线、不同吃水和航速下的船舶纵倾角度对应船舶油耗的神经网络。船舶第一次在固定航线运行时，需要多次调整角度，采集船舶纵倾角、船速和油耗数据，作为基础数据。采集到基础数据后需将数据制作成数据集，喂入神经网络进行训练，就可以得到一个可以预测船舶油耗的神经网络，这也是一种曲线拟合。曲线上的最低点即油耗的最低点，其对应的角度也就是纵倾角度所要调节的角度。在后面几次航行时，在这个油耗最低的倾角处进行微调并记录，将这部分数据再次喂入神经网络训练。经过不断学习，神经网络对不同时间、吃水、航速、固定航线下的倾角预测更为准确。

通过自学获得一个预测船舶油耗的神经网络后，需要在一定的角度限制范围内找到油耗的最低点，这个问题可以使用智能优化算法解决。在此使用模拟退火算法，模拟退火算法是一种通用概率演算法，用来在一个大的搜寻空间内找寻命题的最优解，模拟退火在大数据和多目标规划问题中有较快的速度且实现较为简单。在模拟退火中，将油耗作为目标函数，人为设置较大的退火扰动次数、较低的温度下降速率、较低的结束温度，将神经网络的预测作为新解的产生、确定接受新解的准则。在多次模拟退火迭代之后就可以获得当前倾角范围内的油耗最低所对应的最优纵倾角度。

3.2 装载优化系统实现（多目标遗传-粒子群算法）

本系统基于最优纵倾角的输入，需要对货物的装载进行优化。通过不同的货舱内的货物摆放，给船舶设置一个预倾斜角度，用于减少航行中船舶倾角调制次数。在摆放货物时还需要满足多个船舶的约束条件，以避免船舶发生翻船等问题。因此在装载优化中使用粒子群优化算法来实现在多个约束条件下求解船舶的最优装配。

粒子群算法相较于传统算法，计算速度非常快，全局搜索能力也很强；同时粒子群算法对于种群大小不十分敏感，所以初始种群往往设为500～1 000，不同初值速度影响也不大；粒子群算法适用于连续函数极值问题，对于非线性、多峰的问题均有较强的全局搜索能力。粒子群算法通过个体极值和全局极值来更新每个粒子的位置和速度，其状态变化方程主要如下：

ij（+1）=ij（）+11［ij（）－

ij（）］+22［j（）－ij（）］（1）

ij（+1）－ij（t）+ij（+1）（2）

式（1）（2）中：ij为粒子的速度；为惯性权重；1、2为学习因子；1、2为［0，1］范围内的均匀随机数；为粒子的个体极值；ij为粒子的位置；为粒子群的全局极值。粒子ij的多个维度可以对应多个约束量。

除此之外，还需要自行定义一个适应度函数Fitness来对每个粒子的适应度进行评价，以此决定个体最优解和全局最优解。

在装载优化系统中，将货舱货物作为粒子群中每个粒子的i，将约束条件、船舶倾角要求和对于该货物装配评价作为粒子群的评价函数。设置多个粒子作为粒子群，用评价函数计算每个粒子的适应度［］，对粒子群进行初始化。设置迭代的轮数，在每轮迭代中求解每个粒子的适应度并与个体极值（）比较，如果［］＞（），则用［］替换掉（）。还要与粒子群的全局极值（）比较，如果［］＞（），则用［］替换掉（）。同时使用公式更新粒子的位置i和速度i。在迭代结束后，全局最优解对应最优倾角下货物装配。

4 具体实施及效果

4.1 实施阶段

数据采集阶段：船舶按照以往状态正常运行，运行过程中适当调节配载改变船舶的纵倾值，通过传感器采集船舶航行过程中的主机转速、燃油流量、对地航速、百海里油耗、航行阻力、吃水、运行轨迹等数据，并将数据进行储存。数据储存分为两个部分：①实时趋势数据显示船舶运行时运行参数和曲线，包括主机转速、小时油耗、对地航速、百海里油耗航行阻力、吃水、运行轨迹；②历史趋势数据记录船舶运行参数和曲线，包括主机转速、小时油耗、对地航速、百海里油耗和航行阻力、吃水、运行轨迹。便于查阅主机运行的参数和运行的趋势。参与控制的数据由PLC控制器执行，设备通电之后执行初始化，过程数据一般存储在控制器的静态RAM中，例如中间变量、全局变量等。控制器复位后会自动进行初始化。HMI（Human Machine Interface，人机界面）通过以太网通讯与PLC控制器实时交换过程数据。历史数据由HMI单元负责存储，操作员可通过HMI记录历史运行参数，如主机转速、小时油耗、对地航速、百海里油耗、对地滑失率。

机器学习阶段：通过之前采集到的数据，根据货物的配载计划，采用机器学习的方法，自动规划出几条可供选择的路线，船员视天气情况选择最佳路线。

智能配载阶段：根据规划出来的航线的吃水情况调节船舶配载，进而优化船舶的纵倾状态，减小船舶航行阻力，降低油耗。

航行控制阶段：船舶在大海上航行，不可避免会受到天气和潮汐的影响，从而使船舶推进效率受到影响，在海况变化过程中，控制系统自动调节船舶主机油门，控制船舶航行的速度，自动寻找适合当时海况条件下的经济航速，对船舶航行进行智能控制，以达到主机油耗的目的。节能控制系统工作流程如图1所示。

4.2 使用效果

根据文献[1]研究可知：根据实船试航报告，14100TEU型船舶在同等工况下，由尾倾改为首倾，理论节能潜力为11.5%。由于首艘试验船舶在气象条件较好的季节测试，航次总油耗节能为8.2%。若考虑到实际船舶营运中风、流、浪等恶劣气象的影响，保守估计全年平均节能率可达到5%以上。根据中海集运两条航线（AEX7和AMA）运营的8艘14100TEU按正常运营，并以5%节能率计算，每年可节约燃油费用1 044万美元。

据文献[2]研究可知，以一艘一月份从东京港前往洛杉矶港的4500TEU集装箱船为例，仅通过优化操纵行为（改向、变速）难以降低油耗，与标准大圆航线相比仅节约0.2%，但是利用速度优化算法结合航向优化可以节油1.8%。