为获得高性能的无人艇（USV）航行路径，本文提出一种多策略改进的麻雀搜索算法（MISSA)。为无人艇规划路径时，除了考虑距离因素还需尽量减少无人艇转向次数并规避大转向角，因而本文首先设计了带转向角惩罚项的适应度函数；其次利用黄金正弦法与参数自螺旋设定对位置更新策略进行改进，同时在位置更新过程中加强了麻雀个体间的信息交流，以平衡全局探索与局部搜索过程；此外，引入混沌圆映射提高初始麻雀种群的质量和多样性；最后设计了局部搜索优化机制以解决原始麻雀算法（SSA)容易陷入局部最优的问题，得到适应度更佳的全局路径。仿真结果表明，相较于改进A*、结合遗传的改进蚁群以及原始SSA等三种优秀算法，本文MISSA算法在路径距离、转向角度与次数等关键性能指标上均表现最佳，为无人艇自主安全运行提供了一种有效途径。

本研究旨在解决无人驾驶船舶中的多船避碰问题，并结合船舶领域知识、国际海上避碰规则（COLREGs）以及船舶操纵特性，提出了一种基于深度确定性策略梯度（Deep Deterministic Policy Gradient, DDPG）算法的多船会遇避碰行为决策方法。该方法采用了门控循环单元（Gated Recurrent Unit, GRU）构建的神经网络模型，并进行层归一化处理，有效处理高维观测数据，提高行为决策方法的效率。本研究设计的奖励函数符合国际海上避碰规则，同时考虑了尽量使用小舵角进行避让的船舶操纵习惯。通过多船会遇局面的仿真实验，验证了所提出的避碰决策方法在灵活性和有效性方面的优势。

为了解决船舶路径跟踪中的欠驱动和船舶模型不确定问题，本文提出一种基于鲁棒视线制导方法的神经网络滑模控制器。首先，利用鲁棒视线制导方法解决欠驱动船舶输入自由度维数小于输出自由度维数的问题，同时减少船舶运动学差异的影响；其次，把径向基函数神经网络和滑模控制方法相结合设计出控制器，减少外界干扰的影响，实现了欠驱动船舶的路径跟踪；最后，通过李雅普诺夫稳定性定理分别证明了所设计制导系统和控制系统的稳定性。该控制器引入了鲁棒视线制导方法对制导系统进行设计，在减少外界干扰影响的同时考虑了船舶运动学差异的影响。通过仿真实验，分别实现了欠驱动船舶的直线路径跟踪和曲线路径跟踪，验证了所设计的控制器的有效性和可行性。

为提高无人机检测船舶尾气排放的效率，本文研究了无人机和船舶同时移动情况下的无人机路径规划问题。针对检测过程中船舶位置实时变化的特征，提出“会面 ”模型求解船舶与无人机的相遇位置，并据此建立一种面向运动船舶以最小飞行距离为目标的无人机路径优化模型，实现多无人机协同检测。结合序列插入算法设计两阶段算法和基于DroneByDrone和ShipByShip两种船舶序列分解策略的遗传算法实现不同规模场景下的无人机路径优化。数值实验表明，综合考虑无人机飞行和船舶航行的路径优化方法可以有效地提高对运动船舶的检测效率；两种算法均能成功求解模型，相较于两阶段算法，遗传算法求解时间可缩短65.12%，满足求解时效性的要求；无人机飞行距离对无人机数量具有显著敏感性，在相同数据集中，派遣两架无人机相比于三架无人机，飞行距离可优化 25%，但检测时间会相应延迟8%；根据实验场景综合优化无人机基站位置、无人机数量和速度，可以有效缩短无人机飞行距离提高检测效率。

围绕山区内河航道水位预测技术难题，分析了影响航道水位预测的环境因素和技术难点，总结了当前航道水位预测模型的技术方法，创新提出了一种新型的MHA-BiGRU（Multi-Head Attention-Bidirectional Gated Recurrent Unit）航道水位预测模型，将多头注意力机制引入到GRU（Gated Recurrent Unit）模型中，实现了模型对航道水位序列数据时间和空间等重要因素的特征权重划分，使模型聚焦影响航道水位变化的关键因素。模型以乌江下游航道为研究对象，通过建设水位和流速实时动态监测站，实现了监测数据集的建立，选取平均绝对误差（Mean Absolute Error，MAE）、纳什效率系数（Nash-Sutcliffe Efficiency coefficient，NSE）和均方根误差（Root Mean Square Error，RMSE）等参数作为评价指标，对该模型进行了验证。研究结果表明：模型通过多头注意力机制和双向循环神经网络的应用，提升了航道水位预测的性能，与传统的LSTM（Long Short-Term Memory）和GRU等经典时序预测模型相比，该模型具有更好的鲁棒性和更高的精度。最后将模型嵌入到系统平台中进行了示范应用，实现了航道水位的实时动态监测和中短期预测，具有较高的工程应用价值。

针对短时船舶交通流数据的非线性与非平稳性特征，导致预测精度低的问题，本文提出了基于注意力机制的堆叠LSTM船舶交通流预测模型。该模型主要采用堆叠式LSTM神经网络，用于捕捉短时船舶交通流数据的时序特征，并通过引入注意力机制来更好地学习全局性特征，以提高船舶交通流预测的精度。为了构建船舶交通流数据集，本文提取了长江下游三个航段的船舶AIS数据，并将其用于本文模型的训练和测试。结果表明，相较于HA、ARIMA、GPR、LSTM和Seq2Seq等基线模型，本文模型在交通流量宏观参数的预测中，均方根误差和平均绝对误差两个评价指标均有所降低。与最优基线模型相比，本文模型在船舶交通流预测中表现出更高的精度，其均方根误差降低了4.05%，平均绝对误差降低了4.04%。

为有效控制海运环境下易流态固体散货因液化而导致的船舶倾覆事故风险，基于船舶运动学及波能理论，采用AWQA水动力计算软件，模拟分析了全球固体散货海运主力船型在各典型海域航行过程中所遭遇的外界环境载荷，并根据土动力学理论及三轴试验结果对相关外界环境载荷进行了货物液化风险的等效分析，在此基础上构建了货物液化风险评估模型。基于风险评估模型及其数值计算样本，采用BP神经网络算法完成了货物液化风险快速预测模型，实现了货物海运液化风险的快速智能预测，并通过模型的权值矩阵及阈值矩阵得到BP快速预测模型的显性表述。运用该预测模型，对4种典型易流态固体散货海运环境下的液化风险进行了快速预测，预测结果和评估模型给出的结果具有很好一致性。该预测模型可基于船型和海况等参数快速、有效预测易流态固体散货海运液化风险，为一线海事监管提供了有效安全监管方法，同时对IMSBC规则的发展也提供了良好的促进作用。

为探究中国沿海各类水上交通事故致因路径，提出一种基于人为因素分析与分类系统（HFACS）模型、贝叶斯网络（BN）模型和通径模型的水上交通事故致因路径分析方法。首先，基于HFACS模型，从中国沿海水上交通事故调查报告中识别出5个层级包含38种水上交通事故致因因素。其次，使用K2算法进行BN结构学习，并结合卡方检验结果和先验知识，确定BN结构。接着，通过最大期望算法进行BN参数学习。然后，运用敏感性分析方法提取各类水上交通事故致因路径。最后，利用通径模型计算各类水上交通事故致因路径系数，并检验其统计显著性。研究结果表明：诱发中国沿海碰撞、自沉、触碰、搁浅、火灾/爆炸、风灾和触礁等事故的显著致因路径分别有7条、6条、3条、7条、4条、4条和2条。从致因路径的效应水平上看，触碰事故和触礁事故的最大致因路径均为“海图资料配备不当→航行计划不当→触碰/触礁事故”。

船用牵引索式减摇装置是一种新型起重机吊重减摇设备，通过控制三根牵引索，消耗吊重摆动时的能量，从而减小起重机工作时吊重的摇晃。然而，在实船测试中发现，牵引索在工作时容易产生振动，导致减摇效果的下降，降低了系统的稳定性与安全性。本文结合悬链线理论和弦振动原理，建立了牵引索的振动模型，应用Matlab进行仿真分析。通过Adams模拟牵引索在实际工作中的振动情况，对比验证了模型的正确性。结果表明：液压系统的迟滞性会导致牵引索振动的产生，当液压系统响应时间 从1s降低至0.1s时，牵引索振幅减少90%。此外，牵引索的单位质量、长度，是否加装阻尼器等因素都会对振动产生影响，加装阻尼器可使牵引索振幅在4s内减少97%。本文研究结果对牵引索式减摇装置的实船应用具有一定指导意义。

针对游弋舰船或近水面航行的潜艇等目标在低帧率或视频图像中缺失部分帧情况下，使得跟踪目标由于帧与帧之间存在较大差距，导致跟踪精度下降、效率低的问题，本文提出了一种基于YOLOv5与DeepSORT融合的的水面航行多目标跟踪算法。该算法首先引入超分辨率重建网络对跟踪目标图像进行增强，以消除云雾以及海浪对识别网络的干扰，使图像中目标特征清晰化；其次，在YOLOv5引入了ShuffleAttention注意力模块以增强识别网络中对目标特征提取能力；最后，在DeepSORT算法级联匹配中引入欧氏距离匹配来替代IOU匹配，以此到达对目标跟踪精度的提升。仿真结果表明，本文提出的算法跟踪效果良好，在改进的YOLOv5模型中相对于mAP50-95值提升了9.4%，在DeepSORT跟踪网络中对比优化前的跟踪准确率提升了8.11%。

区块链技术的引入为解决航运物流透明度低、运输单证滞后等问题提供了有效方案，但不同航运链成员主导区块链系统的建设会对各方的运营决策产生不同的影响。对此，考虑货主对追溯信息的偏好，构建了港口、承运人和货运代理的三级航运供应链，由各方分别主导区块链溯源系统的建设，结合成本分摊策略，使用Stackelberg博弈模型，对比分析了基准模式与三种区块链技术模式下的最优定价策略。此外考虑了不同政府补贴模式下的补贴力度和成员定价策略。研究结果发现：区块链技术对于航运供应链成员来说并不总是最优决策，这与成本分摊比例、货主对追溯信息的偏好以及航运文书延迟成本有关。当货主对溯源信息偏好较高，而溯源成本较低时，各方应提高溯源水平，从而提高自身收益。政府的固定补贴模式无法给跟随者带来收益，而在追溯补贴模式下，当航运链领导者的分摊比例高于一定阈值时，追溯补贴力度的提高会使整个供应链的利润最大化。

为帮助拖运企业实现高运转与低成本的均衡化运营，提出了一种基于“三角拖运”策略的拖运企业联盟模式。首先，构建了一个两阶段利润分配模型，用于完成联盟内集卡调度、集装箱路径规划以及联盟内部企业间的利润分配任务。然后，以一个集装箱港口的拖运企业联盟为例，利用CPLEX完成对模型验证与分析工作。算例结果表明：（1）基于“三角拖运”的联盟模式有效提高拖运效率和联盟利润；（2）基于利润与贡献的最小二乘值利润分配方法中，自身利润越大、贡献越高的企业分得的联盟利润越多，但随着利润重要度参数的增加，贡献较高的企业分得的联盟利润逐渐下降；（3）客户满意度、资源投入、风险承担能力等影响因素的权重与企业的分配利润呈正相关关系。最后，通过与平均分配法及Shapley值法等传统利润分配方法对比，证明了提出的两阶段利润分配模型有效提高了联盟企业合作的稳定性。

船舶管路所处的条件较为恶劣，发生泄漏难以避免。为了在管道泄漏初期能及时检测出微小的滴漏故障，进行维修避免造成更严重的泄漏，提出了一种管路滴漏视觉监测模型。模型中采用均值背景差分法检测管路滴漏，提取液滴前景的特征参数，结合虚拟线圈法，基于滴漏液滴个数进行流量统计，最后提出了滴漏体积流量的评估方案。为了验证模型的有效性，采取搭建滴漏实验台的方法获取滴漏视频对模型进行验证。结果表明：该模型能够很好的检测出管道滴漏液滴，特别是对于滴漏频次较慢的泄漏，能够准确的统计出滴漏个数且准确率在98%以上，泄漏体积流量的估计值相对误差在20%以内。此方法可以有效的对管路滴漏进行监测，为管路的维修决策的制定提供参考。

针对船舶电力负荷数据预测时存在的实时性差、存储数据量小且质量低等问题，本文提出一种结合数据插补、小波阈值去噪与概率稀疏自注意力（ProbSparse Self-Attention）机制的新型短期负荷预测方法。首先在数据预处理阶段，在不影响原始数据特征及趋势的前提下通过插值填补缺失数据，同时扩充数据库以满足模型训练要求；同时考虑到原始船舶电力负荷数据可能存在噪声干扰等问题，为减小其对模型预测效果的影响，对原信号采用了小波阈值去噪处理的方法来改善数据质量。其次在预测模型中通过引入概率稀疏自注意力机制，在有效捕获时序电力数据中的依赖关系和重要特征的同时降低内存资源占用，减小模型复杂度，满足船舶电力负荷预测实时性要求，实现预测精度与效率双优化。在与其他模型的对比实验中，本文模型在均方根误差和平均绝对百分比误差两种指标上平均分别降低了13.1%、18.6%，效率平均提高24.0%以上，结果表明该方法在船舶电力负荷数据预测模型准确度及效率上有着明显优势。

为研究鼓包对跨声速压气机转子气动性能的影响，以NASA Rotor 37作为研究对象，在其吸力面上布置展向连续性和非连续性的鼓包，并采用数值模拟方法研究了原型转子和鼓包转子变转速工况下的流场结构和气动性能。结果表明：设计转速和110%设计转速下，连续性鼓包对叶顶附近的激波控制效果较好，可以对激波前气体进行预压缩，从而降低激波前后的逆压梯度，减弱激波强度，进而减小激波相关损失。在设计转速最高效率工况下，非连续性鼓包转子总压比提升0.236%，效率提升0.309%；连续性鼓包转子总压比提升0.285%，效率提升0.454%。50%、60%和90%设计转速下，鼓包并没有起到明显的有益效果。

低压涡轮导向叶片尾缘切除将增加导向器排气面积，可作为调控流通能力的便捷手段。本文选取某低压涡轮导向叶片中截面叶型作为研究对象，采用数值模拟的方法研究了尾缘切除对低压涡轮叶栅气动性能的影响，文中研究了切除长度分别为2.5%、5.0%、7.5%弦长时叶栅气动性能的变化情况，并且采用尖边倒圆、将尾缘修整为圆弧形、椭圆形三种方式对切尾缘后叶型剩余尾部进行修型。结果表明：尾缘切除可有效增加叶栅槽道的流通能力，并且流通能力随尾缘切除长度增加而增加。切尾缘后叶栅损失增大，并且与尾缘切除长度呈正相关。切尾缘后的修型方式也会对叶栅损失水平产生影响，将尾缘修整为椭圆形对损失抑制效果最明显，在同样切除长度下其尾迹损失和端区损失均低于另两种修型方式。尾缘切除对叶栅出口气流角影响微弱，尾缘切除长度每增加1%弦长，采用三种修型方式叶栅出口气流角增加量为0.13°～0.16°。