（1）人工智能基本算法与应用方法

人工智能（AI）作为一门前沿技术，正在各个领域展现出巨大的创新潜力。船舶工程作为国民经济的重要组成部分，也因为人工智能的应用而迎来了新的机遇。人工智能在船舶工程中可应用于船舶设计和性能优化。利用机器学习算法，可以分析海洋环境数据、船舶结构参数以及船舶动力系统等信息，快速设计并优化出更加节能环保的船舶方案。人工智能在船舶工程中的应用可以提高航行安全性、效率和减少人力资源的消耗。通过机器学习、深度学习等技术，对大是数据进行处理和分析，为智慧船舶提供智能决策和优化建议。课题组基于目前主流的人工智能模型（ANN、CNN、LSTM、Transformer等）开展了一系列研究工作。

人工智能体系框架

（2）复杂海况下的船舶横摇的智能减摇技术

提高航行于高海况下的舰船运动稳定性是保障舰船武器装备和人员高效率作业的必要条件。为此开展了基于深度强化学习控制的拍动鳍的船舶减摇方案及减摇装置，能够大幅抑制规则波和不规则波中的船舶横摇幅度，提高了舰船在恶劣海况下的耐波性与作业稳定性。

结合仿生拍动鳍和深度强化学习，开发了一种新型的船舶零速减横摇控制方法。通过集成仿生拍动鳍和PPO算法，人工智能增强了拍动鳍稳定器的非线性控制。采用近端策略优化（PPO）算法，根据输入状态和奖励函数学习减横摇控制策略。经过训练的PPO模型规划了鳍片的实时拍打轨迹，可以稳定船体的强迫横摇运动。基于S175船模在在水池中进行了横浪规则波和不规则波下的减摇试验，结果证明了所建立的船舶横摇减摇方案的可行性，在减摇鳍工作状态下，能将船舶的横摇幅度从15°减小至1°以内，为推广至实船减摇控制提供了有效的方法途径。

基于人工智能的船舶减摇装备与技术研发

（3）船舶运动与波浪载荷的智能预报

船舶波浪载荷与水弹性响应的快速准确预报对于船舶结构优化设计、船舶结构安全监测具有重要的意义。对于传统基于流固耦合仿真的船舶水弹性响应预报方法，计算理论复杂、计算工作量大，计算时间短则数小时，长则数天或更长，难以满足船舶水弹性响应的快速预报需要。近年来，人工智能在船舶力学性能预报领域得到广泛研究并显示出较好的应用潜力。人工智能模型包含深度神经网络结构以及非线性激活函数，具备强大的非线性映射学习能力，在训练数据集参数空间范围内，具备与流固耦合仿真相当的预报精度；在训练数据集参数空间之外，也具有一定的泛化预报能力。同时，人工智能基于离线学习-在线预报的模式，具有快速高效的在线预报速度，可在几十毫秒内给出预报结果，其预报速度比流固耦合仿真高出5个数量级以上。

课题组基于波浪输入-船舶运动与波浪载荷水弹性响应之间的力学作用原理，利用数值仿真与试验数据集，结合人工智能技术，建立了波浪输入-船舶运动与波浪载荷水弹性响应的人工智能代理求解模型，实现对任意中高海况下规则波和不规则波中的船舶水弹性响应的快速准确预报。基于目前主流的人工智能模型（ANN、CNN、LSTM、Transformer等），构建波浪输入与船舶水弹性响应的映射关系，分别研究“波浪输入-波浪载荷水弹性响应”的直接映射学习模型，以及“波浪输入-结构模态系数预报及模态叠加-波浪载荷水弹性响应”的间接映射学习模型。

人工智能在船舶运动与载荷预报方面的研究与应用