为探究化学品船洗舱过程中清洗剂对洗舱效果的影响机制，基于自建实验平台开展棕榈油清洗实验，结合FLUENT数值模拟，系统分析了清洗水温度和清洗水中添加乙醇浓度对棕榈油清洗效果的影响。结果表明：随着清洗水温度的升高，降低了残余棕榈油的附着力，在冲洗初期（0-8s），加速了壁面残余棕榈油的清洗效果，30℃和40℃清洗水的清洗对清洗效果提升速度分别为3%/s和6%/s，明显高于20℃清洗水。随着冲洗水添加清洗剂浓度的升高，对油醇混合物粘度产生关键影响，在冲洗初期（0-8s），较高浓度的清洗水能有效降低棕榈油-乙醇混合物的粘度，从而提高清洗效果。随着冲洗时间的延长（8-15s），清洗水浓度对清洗效果的影响逐渐减弱。对比了清洗水温度和浓度对清洗效果的影响程度，发现：0-2s和12-15s时清洗水浓度对清洗效果影响较大，5-10s时清洗水温度对清洗效果起关键作用。为减少清洗剂的消耗和缩短清洗时间，建议在预洗阶段使用混合高浓度清洗剂的清洗水对化学品舱进行快速冲洗。完成预洗后，使用高温清水对化学品舱进行冲洗。

我国沿海港口高桩码头普遍存在岸坡淤积问题及桩基开裂损伤现象，严重威胁码头安全运行。为有效采取岸坡清淤和桩基修复等维护措施，首要任务是揭示岸坡淤积条件下码头桩基开裂机制。调研了江浙地区16个主要沿海港口岸坡淤积现状及7座典型码头桩基开裂受损情况，结合具体工程建立了淤积岸坡-码头桩基相互作用有限元模型，分析了桩-土体系受力变形特征；以内力组合值判定桩基塑性变形状态，与码头桩基开裂轴线实际位置基本相符，验证了建模合理性；选取岸坡工程地质条件和高桩码头结构参数两方面共7个因素进行正交试验，采用极差分析法得到各因素对桩基内力的敏感性。结果表明，海洋环境中泥沙不断回淤在桩基码头下方与后方，海相软土层持续变形引发被动桩问题：岸坡淤积条件下码头下方土体向海侧移动趋势显著，邻近桩体被挤压产生较大水平位移，导致桩基轴力与弯矩激增，进而诱发部分桩基顶部或位移最大处超过塑性变形界限；淤积过程中，码头后方向岸斜桩附加内力更大，更易发生开裂破坏；岸坡淤积条件下，码头桩顶轴力和弯矩对结构参数和岸坡坡度较敏感。

为研究岸坡淤积土体参数对高桩码头桩基受力变形的影响程度，通过建立高桩码头-岸坡相互作用体系数值计算模型，首先采用基准值误差分析法识别岸坡淤积进程中关键淤积阶段，进而分别引入Sobol和TGP两种全局敏感度方法进行淤积土体参数对码头桩基受力变形的敏感程度分析。在此基础上，基于归一化敏感度SVI方法得到淤积土体黏聚力、内摩擦角、弹性模量及泊松比对码头桩基受力变形的敏感重要性排序。计算分析结果表明：淤积土体弹性模量是影响码头桩基受力变形的主要驱动因素；淤积土体参数对桩基在泥面处水平位移的敏感度不受淤积厚度影响，其重要性排序依次为弹性模量、黏聚力、泊松比和内摩擦角。本文的定量结果有利于深入理解泥沙淤积进程中淤积土体参数对高桩码头桩基受力变形影响规律，可为高桩码头-岸坡相互作用体系的相关工程设计及可靠性评价提供理论参考作用。

货代联盟在实际收益分配中时常存在信息不完全或不确定的情况，如海洋运费浮动等。为有效解决模糊情境下货代联盟的收益分配策略问题，创建了梯形模糊数改进Shapley值。该合作博弈解通过均衡货代企业的满意度，进而提升货代联盟的稳定性，增强其市场竞争力。在模糊情境下，通过最小化超额贡献，实现局中人满意度最大化，据此计算出梯形模糊数最小二乘贡献，并用其代替经典Shapley值的边际贡献，从而创建梯形模糊数改进Shapley值。算例结果表明，梯形模糊数改进Shapley值充分考虑了局中人的满意度，使得收益分配策略更加公平、合理。梯形模糊数改进Shapley值能有效解决货代联盟等具有模糊不确定性的合作联盟的收益分配策略问题，进而促进合作联盟的稳定和持续发展。

针对需求不确定性下的出口海陆仓质押融资风险问题。运用双重Stackelberg主从博弈原理，构造了进口商、出口商、海运公司三方的利润函数。利用CVaR风险测度方法，以供应链整体利润最大化为目标，建立了风险测度下的海陆仓融资优化模型，论证分析了海运公司质押率、出口商交货提前期和进口商订货批量等最优决策结果。研究表明，进口商订货批量、出口商交货提前期随着海运物流公司质押率的增大而减小，海运公司最优质押率与出口商风险规避系数、海运公司质押服务费率以及质押物市场售价均呈负相关，与进口商的风险规避系数、进口商进价均呈正相关。研究结论可为出口海陆仓质押融资各方提供有益的决策参考。

多相永磁容错电机常应用于对驱动系统可靠性要求较高的航空、交通运输和军事等领域。开路故障是电机驱动系统中常见的电气故障，针对现有故障诊断方法需要多组变量识别开关管和绕组开路故障，且电机运行状态发生变化易导致判断出现误诊断的问题，本文提出一种改进的相电压平均值算法，该方法将电机驱动系统与电流型磁链观测器相结合，将诊断变量由故障复杂识别切换为一组变量识别，由阈值范围诊断切换为正负变量组和诊断。通过诊断结果即可区分不同开关管及绕组开路故障。搭建了六相永磁容错电机故障诊断硬件实验平台，实验结果验证了所提算法的有效性及优越性。

永磁同步电机具有高效率、高功率密度和运行稳定的优点，是液化天然气（LNG）泵核心驱动部件的理想选择，其在低温环境下的电磁性能至关重要。本文首先分析了低温永磁同步电机关键材料在−161 ℃工作环境下的电磁特性；然后，建立了一台额定功率为6.5 kW的低温永磁同步电机瞬态电磁场有限元模型，对比研究了低温环境和室温环境下电机电磁性能和电磁损耗，并分析了永磁体厚度对低温永磁同步电机性能的影响。与室温工作环境相比，在−161 ℃环境下，电机空载反电动势和电磁转矩分别增加了8.93%和6.03%；定子铁耗增加为2.5倍，铜损耗减小为65.3%，铁耗占总电磁损耗比例显著增大。

针对海上立体通算融合网络面临的通信与计算资源瓶颈以及复杂无线环境问题，研究一种基于无人机携带智能反射面（Intelligent Reflecting Surface，IRS）辅助海上通算融合网络计算卸载方案。首先，构建以最小化总能耗为目标的无人艇计算卸载率、边缘服务器计算资源分配、IRS相位和部署的联合优化问题。其次，为解决高维耦合优化问题，基于交替优化方法将原始问题解耦为两层子问题进行迭代求解，分别基于松弛法和双延迟深度确定性策略梯度算法优化计算卸载率和通算资源。仿真结果表明，与基准方案相比，所提的计算卸载方案可以在满足时延要求下有效地降低总能能耗，并在各种任务场景中展现出优越的性能。相比于无IRS方案，所提的计算卸载方案在总能耗方面平均降低42.0%。

针对船舶号灯目标检测中参数计算量大、背景光线复杂及号灯种类繁多等问题，对YOLOv8n做出了改进，以满足实时准确识别船舶号灯的要求。首先使用VanillaNet网络作为主干特征提取网络，以降低模型的计算成本，满足实时检测要求；其次引入颜色注意力模块以确定和增强号灯的颜色特征，以提高在复杂光线背景下号灯颜色的识别能力；再次，针对号灯的大小、频率、各视图空间排列等特征，构建MoE-layer模块代替C2f模块，以提高船舶号灯识别的准确性；最后通过Focal Loss调节对难易分类样本的关注来解决类别不平衡问题，提高模型对号灯目标检测能力。实验结果表明，相较于原基线YOLOv8n模型，改进后模型在参数量和计算量分别降低37.7%和52.8%的情况下，精度和mAP@0.5分别提升3.3%和2.2%，达到98.3%和98.7%，可以满足实时识别船舶号灯的要求。

为提升内河航行场景下水面小目标的检测效果，降低模型复杂度，本文提出了一种基于改进YOLOv5l的轻量化水面目标检测模型。该模型以YOLOv5l作为基础模型，首先对定位损失函数进行改进，提出了NWD-CIoU函数，提升模型对小目标的召回率，增加模型的多尺度目标检测能力；其次，将FasterBlock模块与C3模块进行结合提出了C3_Faster模块，对YOLOv5l模型的主干网络进行优化，减少网络参数，降低模型复杂度；再次，基于Slimming方法对模型进行剪枝，大幅修剪冗余连接，减少模型参数和运算复杂度，提升推理速度；最后，基于通道知识蒸馏方法，以YOLOv5x作为教师模型对剪枝后模型进行蒸馏，以提升模型的检测效果。实验结果证明，本文所提出模型对内河航行场景下的水面目标具有较好的检测效果和检测速度，且相比于原YOLOv5l模型参数量减少了81.48%，GFLOPs减少了80.69%，更适合计算资源受限的移动设备上部署，具有一定的工程意义。

船舶引航事故是指引航员在船辅助驾驶台团队操纵船舶过程中出现的水上交通事故，而导致船舶引航事故的主要因素为人为因素。为了较好的分析船舶引航事故中的人为因素，本文建立了一种新的船舶引航事故人因分析模型，识别并评估船舶引航过程中关键风险因素的传递路径。首先，基于事故报告对原有的人为因素分析和分类系统（HFACS）框架进行调整和细化，识别出船舶引航事故中的人为因素；其次，基于HFACS框架内部的逻辑关系和贝叶斯网络(BN)理论，构建船舶引航事故HFACS-BN模型，并验证模型可靠性；最后，综合BN推理和灵敏度分析识别关键风险因素传递路径。研究结果表明，在所有人为因素传递路径中，“R1（行为错误）→P2（操作者状态不佳）→S2（运行计划不当）→M2（组织氛围较差）”为关键风险因素的传递路径。针对船舶引航人为因素实施有效的管控措施，对于阻断风险的进一步发展具有重要意义。

为使船舶碰撞危险度更好地指导船舶进行避碰决策，提出一种考虑船舶避让能力的碰撞危险度评价方法。结合AIS数据、NOMOTO操纵运动方程、COLREGS和船舶领域入侵度量模型，建立与最晚施舵时机、安全避让角度集相关的两个危险度评价指标，即避让难度(AD)和避让时间紧迫度(ATU)，分别从空间和时间维度对危险度进行评价，再采用CRITIC法确定两个指标的权重，最后通过宁波舟山港区外海水域数据进行不同场景的多危险度对比实验体现方法的有效性。结果表明该方法综合考虑了不同船舶的操纵性能差异、COLREGS以及船间相对运动趋势，同时在多船危险度评价过程中特别关注了避让操作可能引发的潜在碰撞危险，实现了更为合理的船舶碰撞危险度评价，对船舶避碰决策有一定的应用价值。

为了解决基于DQN算法进行智能船舶全局路径规划时，存在规划路径距离障碍物过近、拐点过多、大拐角以及算法收敛速度较慢等问题，提出了基于噪声DQN(NoisyNet-DQN)的全局路径规划方法。首先，为了使智能船舶与障碍物保持安全距离，减少路径拐点和大拐角，在传统奖励函数的基础上增加了额外的航向奖励函数、时间奖励函数、拐点奖励函数和安全奖励函数；然后针对在复杂航行场景中，算法收敛速度慢的问题，在DQN神经网络的输出层引入了参数噪声，提高了DQN网络收敛速度。最后，针对大连和舟山实际海域环境开展了仿真研究。仿真结果表明，提出的Noise-DQN算法相比于传统DQN算法，其算法收敛速度得到了显著提升，规划的全局路径在安全性和经济性方面得到了大幅度提高，更加符合船舶的实际航行需求。研究成果可为智能船舶全局路径规划提供一定参考。

针对AUV的6自由度运动非线性和强耦合性，本文提出一种基于蜣螂优化（DBO）的深度双向时域卷积神经网络的非线性系统辨识建模方法。首先，采用双向时域卷积网络（BiTCN）、双向门控循环开关（BiGRU）、注意力机制构建深度双向时域卷积神经网络（Deep-BiTCN），建立AUV6自由度非线性黑箱模型。其次，为提高Deep-BiTCN模型预测的精度，采用DBO算法对模型超参优化。最后，与支持向量机（SVM）和随机森林（RF）模型比较，验证本文运动建模方法的可行性和有效性。实验结果表明，DBO使得Deep-BiTCN算法模型均方根误差（RMSE）、平均绝对百分比误差（SMAPE）降低58.94%、49.22%，决定系数（R2）提高0.73%；本文提出的运动辨识模型精度高、收敛性强，避免运动非线性导致的预报误差大、强耦合运动系统易发散的问题，能为AUV运动提供一种有效的建模与预报方法。

针对执行器故障和未知环境扰动下的多无人艇协同包围控制问题，提出了一种基于扰动观测器的固定时间滑模容错控制方法。该方法基于分层控制思想，将协同包围系统解耦为制导层与控制层。首先，在制导层设计了一种结合漂角观测器的固定时间分布式协同控制律，以实现无人艇等距旋转包围目标；其次，在控制层将执行器故障视为该层受到的扰动，引入固定时间扰动观测器，对执行器故障和未知环境引起的非线性集总扰动进行在线观测，并设计了固定时间滑模控制器对其进行补偿，在保证动力学误差快速收敛的同时平滑控制输出；最后，基于Lyapunov函数证明了闭环控制系统的稳定性，并通过三艘无人艇的对比仿真，验证了所提方法能够有效减轻执行器故障对协同包围任务的不利影响。

伴随科技的快速发展，多无人船系统在军事、营救以及护送等任务场景中展现出巨大的潜力。研究旨在基于多智能体深度强化学习算法，对多无人水面航行器系统的编队构造问题进行探究。针对传统多智能体深度确定性策略梯度算法（MADDPG）收敛速度较慢的问题，研究通过在值函数阶段引入了注意力机制来提升多无人水面航行器系统的编队决策模型的收敛速度，并通过无人水面航行器的编队模型与编队避碰和编队构造奖励函数的配合，提升了多无人水面航行器完成编队构造任务的效率。最后，通过仿真结果验证了本文所提出的方法可有效地完成多种环境下的多无人水面航行器编队构造任务，为未来多无人船编队构造应用提供理论研究基础。

船载稳定平台可以隔离船舶运动对船载设备的影响，保证船载设备安全作业。针对一个三自由度并联船载稳定平台，利用PC机和OP4510仿真机及MATLAB和AMESim软件，研制一个三自由度并联船载稳定平台波浪补偿控制硬件在环（hardware-in-the-loop，HIL）仿真器，用于船载稳定平台波浪补偿控制器性能测试，可降低船载稳定平台波浪补偿控制器测试成本和海试风险、缩短其研制周期。以一个关节空间波浪补偿镇定控制器为例，用所研制的HIL仿真器对该控制器性能进行仿真测试，测试结果表明了关节空间波浪补偿镇定控制器可保证船载稳定平台支撑面始终保持期望的水平位姿，同时验证了所研制的HIL仿真器可用于测试船载稳定平台波浪补偿控制器性能。

针对非零均值振荡来流情况，开展低雷诺数圆柱绕流模拟，研究不同振荡周期下结构的受力区别和流场形态差异。首先，基于自主研发的水下流场模拟软件zFlower开发了非定常来流下的入流边界条件模块；在均匀来流且充分发展的流场基础上，开展了高、低两种频率比的振荡来流模拟，得到振荡来流条件下圆柱的受力状态与流场的演化过程。结果表明，来流频率较高时，振荡来流会影响流动的涡脱形态，圆柱所受横向力峰值较大；来流频率较低时，结构受到的横向作用力绝对值变化不明显，但是作用力的频谱复杂，有可能更易激发结构的流致振动。

为精确预测弹性鼠笼结构刚度，基于刚度理论公式，采用遗传算法对弹性鼠笼的几何结构参数进行优化，并建立三维有限元模型，对比计算了ANSYS软件中Remote force和Bearing load两种不同加载方式下弹性鼠笼的刚度，分析了笼条两端根部倒圆角对弹性鼠笼刚度的影响。设计搭建了弹性鼠笼刚度实验系统，并将弹性鼠笼实验件的刚度测试结果与数值模拟结果进行了对比。结果表明，采用Remote force和Bearing load两种加载方式的有限元计算刚度与实验测试刚度的偏差均在3%以内。在弹性鼠笼的工程设计分析中，有限元法相比理论公式法可显著提高弹性鼠笼刚度的预测精度。

为提高低负荷下天然气/柴油双燃料发动机对HC的转化率，设计一种基于流向变换的三元催化转化器，建立了单通道内流向交换HC和CO催化转化化学反应过程数学模型，并利用ANSYS FLUENT软件进行求解，开展流向变换三元催化转化器工作特性数值模拟研究。结果表明：在发动机为低负荷工况时，设计的流向变换三元催化转化器可以有效控制HC的排放；流向变换操作相对于单向流动对HC及CO的转化率明显提高，若忽略换向突变的影响，流向变换操作相对于单向流动对HC转化率的提高幅度为3.9% ~ 6.4%，对CO转化率提高幅度为2% ~ 2.7%，而对于NO_X的转化率提高幅度较小，仅有0.6%左右；转化器换向时间的设计不易过大或过小，建议换向时间为   10 s ~ 15 s；随着进口速度的增大，转化器的最高温度降低，HC与CO的排放量增大且转化率降低，但对NO_X的转化情况影响较小。

SAR图像中不同类别船舶的目标特征区分不明显，当船舶类别较多时会出现识别准确率下降的问题。为更好地提取类别特征，本文提出一种识别模型DCN-MSFF-TR，借鉴Transformer encoder-decoder思想，在主干网络中加入可变形卷积模块（DCN），同时，将经过Transformer多尺度自注意力处理的特征层按照特征金字塔的方式在模型合适的位置进行特征融合，每一层不仅能够利用自身的信息，还能够综合利用其他层的特征。在公开数据集Open SARShip-3-Complex三分类数据集和Open SARShip-6-Complex六分类数据集的验证结果表明，平均识别精确率分别达到78.1%和66.7%，说明本文方法相对其他识别模型能更有效识别出SAR图像中的舰船类别。

为获取高质量的粒子图像，提出一种双分支残差卷积神经网络DBRNet用于粒子图像测速(PIV)技术中的粒子图像增强。首先，设计一种由残差块组成的双分支卷积神经网络对输入的粒子图像对进行特征提取，同时，采用编码-解码器对粒子图像对的特征信息进行有效融合。其次，自主生成具有挑战性的图像增强数据集训练模型参数，其中，包含不同浓度的高斯噪声、光强噪声及多种真实的干扰背景，以充分模拟真实流体场景。结果表明，本文方法能够有效地处理合成图像和真实图像中的噪声干扰，实现图像增强；利用速度场估计算法处理经本文方法增强后的粒子图像对可以得到更高精度的速度场。

聚焦于“出行即服务（MaaS）”服务平台的核心受众群体，即公共交通用户，研究其对MaaS服务平台使用意愿的内在机理，深入理解促使这类群体使用MaaS服务的驱动因素。本文将公交用户群体细分为被动乘客群体和选择性乘客群体，以辽宁省大连市的问卷调查数据为基础，采用多指标多因素结构方程模型，深入探讨这两类群体对当前公交服务水平的满意程度与其对MaaS服务使用态度和行为意向之间的相互关系。研究发现，乘客对MaaS服务的态度和使用意愿与其对公交服务的满意度呈正相关，但两类乘客在满意度转化为MaaS使用意愿的过程中存在机制差异,选择性乘客的满意度直接转化为使用意向，而被动乘客则先通过改变对MaaS的态度，进而影响其使用行为。因此，推广MaaS服务时需针对不同乘客群体制定差异化策略,即对选择性乘客应突出MaaS服务的高效便捷，对被动乘客则应体现MaaS服务质量和环境舒适度。此外，性别、年龄、换乘频率等因素也影响MaaS使用意愿。上述发现为相关部门规划MaaS服务平台、优化公交服务及提高MaaS普及率等方面提供了决策依据。

在优化预约配额方案时，现有方法面临诸多挑战，包括动态性、随机性捕捉难，理论假设局限，以及数据获取处理复杂等。本文利用集卡的GPS轨迹数据，全面捕获了集卡从到达港口至完成作业的全过程周转时间，并基于此建立了单位预约时间窗口内集卡到达数量与其在港总周转时间之间的映射关系。利用该映射关系，构建了一个更为精确简洁的配额优化模型，并对集卡预约配额方案进行了优化求解。实验结果表明，优化后的预约配额方案有效减少了高峰期的集卡到达量，同时提高了低谷期的车辆到达数量，显著减少了集卡在港的总周转时间，提升了码头的运营效率，进而增强了港口竞争力。

为提高干散货码头作业效率、减少取料作业延误，充分发挥装船混配工艺的优势，针对干散货码头堆场取料作业调度问题，本文以最小化取料作业延误为目标，建立考虑装船混配工艺的干散货码头取料作业调度优化模型，在多货种动态场存、取料机作业互相干扰、多垛位按比例同步取料等约束条件下，集成优化取料方案制定、垛位分配及取料机调度。针对问题和模型特点，基于自适应大邻域搜索，设计能高效求解大规模问题的启发式算法。算例实验表明，相较通用求解器，本文方法能够在1h内为大规模算例求得高质量的取料作业调度方案；与吱吱轮算法相比，在求解大规模算例时，平均改进目标函数值19.9%；同时，本文方法综合考虑装船混配对垛位分配与取料机调度进行集成优化，与不考虑装船混配得到的结果相比，平均减少取料作业总延误28.35%，可为干散货码头在考虑装船混配工艺时进行堆场资源分配与作业计划提供理论支撑。

为实现螺旋桨几何参数的非接触式测量，提出一种基于自适应八叉树的区域生长算法提取螺旋桨点云模型。首先，采用自适应八叉树将点云数据划分为若干非均匀体素。其次，结合体素的空间连通性和平滑性设置区域生长判据，利用体素的特征属性进行区域生长，实现对螺旋桨点云模型的提取。然后，利用正交试验法进行算法参数的优选。最后，将本文算法与基于传统八叉树的区域生长算法和基于点的区域生长算法进行对比实验。结果表明：本文算法可以实现对螺旋桨点云模型的精确提取，分割精度达99.5%，相比其他两种算法精度分别提高了1.8%和1.3%；执行时间为1045 ms，分别为其他两种算法耗时的4.1%和5.6%，点云分割的效率得到明显提高。

考虑排放控制区（ECA）边界宽度的影响，建立了以船舶总运营成本最小为目标的混合整数非线性规划模型，以优化减排策略和航速，并以某公司的东南亚航线为例进行求解和敏感性分析。结果表明：不同减排方案的成本比较主要受燃油价格水平的影响，碳税对不同方案的成本比较结果没有影响；从当前的各种燃油价格来看，安装脱硫塔是经济性最好的一种减排措施，其他依次为ECA内外燃油转换策略、使用MGO燃油策略、使用LNG燃料策略；随着ECA边界宽度的减少和不同燃油价格差的减少，燃油转换方案的成本将低于安装脱硫塔方案；使用LNG燃料的初始投资成本降至80%以下或LNG燃料的价格降至50%以下，而MGO燃油价格保持不变或更高时，使用LNG燃料将比使用MGO燃料成本更低；ECA边界宽度的制定会对航运企业的减排策略产生影响，可以通过适当增加ECA边界宽度来减少船公司在ECA内外进行燃油转换的行为。

为有效利用液化天然气（LNG）船舶运营过程中产生的大量蒸发气（BOG），研究了考虑BOG管理的LNG海上运输航线配船问题。以LNG产生的BOG作为推进燃料，建立经济航速下LNG海上运输航线配船模型。在此基础上，结合航速与BOG需求量的关系设计BOG管理策略，进而建立考虑BOG管理的LNG海上运输航线配船与航速联合优化模型。以我国一家LNG航运企业为例，求得两个模型对应的最低成本、最优配船方案与航次计划。对比两个模型的最优解可知，BOG管理策略能够有效降低8%以上的成本，并从LNG现货价波动与航运企业的业务规模角度提出相应的管理建议。研究结果表明，该方法能够为LNG航运企业合理配置运力资源、有效管理LNG船舶蒸发气提供决策支持。

鉴于目前VTS、AIS人工分析的效率难以满足日益严峻的水上交通监管形势要求，本文考虑船舶进出港航行特点，提出一种海港航道水域船舶异常行为检测方法。首先，考虑船舶类型、通航规则等影响因素，建立基于语义轨迹多维相似度的船舶轨迹聚类方法，以识别符合通航规则的船舶进出港交通模式；然后，构建语义转换模型，将交通模式轨迹数据转换为模式轨迹文本，并采用文本余弦相似度方法匹配目标船舶的交通模式；接着，利用核密度估计构建船舶异常行为检测模型。以天津港为例，从历史船舶轨迹数据中提取40种进出港交通模式，并以此构建船舶异常行为检测方法，通过航海模拟器仿真数据对方法进行验证。结果表明，该方法能够有效检测出船舶的异常行为，可对水上交通监管起到一定的辅助作用。

针对由全球海上船舶数量增长导致的碰撞事故频发问题，提出一种基于深度强化学习（DRL）算法的船舶智能避碰决策模型，基于对抗双深度Q学习（Dueling-DDQN）与船舶领域模型的建立，设计奖励函数时充分考虑了《国际海上避碰规则》（COLREGs）及船舶偏航等要素，以确保避碰决策的合规性与合理性。搭建仿真环境模拟多船会遇场景，并利用神经网络模型处理复杂环境信息，进行模型训练与验证。实验结果显示，相比传统深度Q学习算法，本文模型在收敛速度和稳定性方面均表现出显著优势，能够准确判断会遇局面，并依据COLREGs采取恰当的避碰措施，展现出较高的决策准确性和可靠性，可为船舶在复杂海况下的智能航行提供有效的决策支持。