在国际海事组织(IMO)减排战略和政府减排政策的推动下，航运公司开始改造船舶以使用绿色燃料。但船舶改造期间无法完成运输任务，无形中阻碍了船舶改造计划。在此背景下，提出了航运公司以船队联盟的方式进行合作，通过协调安排运输任务，提高船舶改造率。针对上述问题，建立了双层规划模型，上层以联盟整体经济效益最大化为目标。下层以实现班轮运输利润最大化为目标。该模型为三家联盟公司和班轮运输任务组成的多领导者-单跟随者博弈，形成具有均衡约束的均衡问题(EPEC)，利用KKT条件将模型转为多个均衡约束规划问题(MPEC)，采用对角化算法(DM)求解，并对联盟效果进行了灵敏度分析。结果表明，该模型与求解方法具有可行性，可为航运脱碳提供新思路。

为了提高永磁容错游标轮缘推进电机(FTPMV-RDM)无位置传感器控制系统的控制性能，对该系统的速度控制器和转子位置估计算法进行研究。速度环采用快速超螺旋滑模控制器（FSTA）以减少传统滑模控制器存在的抖振现象。采用自适应滑模观测器(ASMO)估计转子位置以提高位置估计精度。在Matlab/Simulink环境下搭建了FTPMV-RDM无位置传感器控制系统的仿真模型，仿真结果表明，本文提出的控制方法可以在无故障和一相开路故障时准确估计FTPMV-RDM的转速与转子位置信息，并且系统具有良好的动静态性能。

在港口事故的发生时如何能保障港内人员安全疏散，成为港口规划运营的重点研究内容，而解决人群疏散问题的关键在于了解人群的运动规律。人群运动是一个复杂的系统，涉及到人群互动行为、城市空间形态和建筑环境等诸多因素。为了给人群疏散问题的研究提供准确可靠的研究依据，本文提出了一种基于深度卷积神经网络的人群运动仿真模型。为了获取神经网络训练所需的数据，本文采用CSRNet神经网络和DBSCAN算法从监控视频中提取真实人群轨迹数据。通过深度卷积神经网络的训练，对真实的人群行为模式进行深度学习，并利用训练出的深度卷积神经网络建立人群运动仿真模型。实验结果表明，该模型能准确地预测人群的运动行为，真实地模拟人群的运动轨迹，能够为应急疏散策略的制定和公共场所疏散通道的设计提供依据。

根据北极航运数据反映出的变化规律，系统整理北极航运特点：通航期为夏秋季节、航运量受外部条件制约、航运结构单一和外部运输为主。在此基础上，提出运输时间、运输复杂度和运输范围都更适合北极航运的钟摆运输模式，从支点港口、船型和模块化运输三方面进行北极东北航线钟摆运输模式设计，并比较分析钟摆运输模式和传统运输模式及混合运输模式的全年航运收益。结果表明：北极东北航线钟摆运输模式与其他两个运输模式相比，每年可多完成一个航次，年航运收益分别9%和11.3%。可依据此运输模式发展北极航运，进一步开发北极航运潜力。

航迹舵是远洋商船的必要核心设备，能够减轻船舶驾驶人员负担，提升航行安全性与经济性，是船舶智能化发展的热点方向。本文以鲁棒自适应航迹保持算法为核心技术，考虑航海工程实际操纵需求，应用嵌入式Linux技术，开发一套具有航海操纵、监控及报警、系统信息显示功能，硬件接口符合国际标准要求的航迹舵样机。最后以“育鲲轮”为实验对象，在随机海洋环境干扰条件下，根据海上导航和无线电通信设备及系统-航迹控制系统-操作和性能要求、测试方法及要求的测试结果 (GB/T 37417-2019) 国家标准测试场景一对航迹舵进行有效性测试。结果表明，航迹舵能够实现对跨0°经纬航线的稳定跟踪控制，且航向误差小于2°，航迹稳态误差小于13m，满足标准要求。本文提出的航迹舵对船舶高端航行装备国产化具有重要参考意义。

针对船用消防蛇形机器人蜿蜒运动中产生的偏移使机器人无法在船舶复杂管系间隙内有效运动的问题，基于超冗余蛇形机器人的运动学模型，从运动学和力学的角度分析非线性偏移原因是关节间旋转过程中产生的扭转力矩所引起。通过实验得到摆动幅度A、相邻连杆之间的运动相位差β对机器人法向偏移的作用规律，证明了两参数只能对机器人的法向偏移程度产生影响，并不能有效消除偏移。基于Serpenoid控制曲线建立了一个简单、高效的自适应偏移矫正控制算法，开展Webots机器人仿真和样机试验，结果表明，消防蛇形机器人的平均最大径向偏移量减小42.8cm，降低75.2%，在未改变机器人运动形状的前提下，满足船舶狭窄环境的工作需求。

为了解决船舶目标检测算法参数量与计算量大，以及内河环境下近岸复杂背景影响和船舶相互遮挡导致船舶检测困难的问题，基于YOLOv7-tiny做出改进，提出MED-YOLO船舶目标检测轻量化算法。首先，使用MobileNetV3网络作为主干特征提取网络，极大地降低了模型计算成本；其次，将EMA注意力模块引入颈部网络，构建EMA-ELAN模块，增强网络多维度感知和多尺度特征提取能力；然后，选用将尺度感知、空间感知和任务感知三合一的Dyhead作为改进模型的检测头部，以获得更强的特征表达能力；最后，使用具有动态非单调聚焦机制的WIoU作为模型边界框损失函数，提高模型应对船舶遮挡情况的能力，提升检测性能。实验结果表明，MED-YOLO相较于YOLOv7-tiny在参数量与计算量方面分别减少了39.8%和55.0%，精度与mAP@0.5分别提高了1.4%和1.0%，达到了98.3%和98.9%，在实现轻量化的同时具有更好的检测性能，满足了计算资源受限环境下的部署需求，具有一定的工程实际意义。