旨在构建基于云-边-端协同的智能管控体系，提升生产过程可控性、缩短建造周期并强化决策支撑能力。

以生产计划为驱动，工艺流程为牵引，设计云-边-端三级协同架构，通过构建船体分段车间物理信息融合环境，建立“计划、资源、执行”联动机制。提出混沌初始化种群与自适应遗传操作的改进遗传算法（IGA），融合模拟退火算法构建动态排产模型；开发多源异构数据融合引擎，实现设备状态、工序进度等实时数据驱动的排产优化。

系统应用后，船舶分段建造周期较传统模式缩短19.7%，生产异常响应时间缩短75%，设备负荷均衡指数优化28%。

提出的云-边-端协同管控模式有效破解船舶分段车间计划与执行的动态匹配难题，建立的“感知、分析、决策、执行”闭环体系为船舶智能制造提供可复用的实施框架，推动船舶工业数字化转型。

现有的自主靠泊技术依赖于精确的数学船舶模型，且多采用经验公式进行建模，然而在实际的靠泊场景中，受到环境、速度等影响，这些方法无法实时精确地反映当前的船舶操纵状态，导致靠泊控制精度受限。为解决上述问题，

提出一种基于物理信息神经网络（PINN）的船舶自主靠泊控制方法，该方法通过构建基于滑动窗口的实时数据集，通过物理神经网络实时辨识船舶操纵参数，设计基于增益调度的自适应控制器，利用辨识出的参数动态调整控制增益，实现船舶的精确靠泊。

试验结果显示，PINN网络能够在动态工况下迅速收敛，准确辨识船舶参数，拟合优度达到0.97，在靠泊试验中，确保终端航向角偏差与横向误差收敛至极小范围，实现平滑、安全的停靠，航向误差为0.13°。

该方法有效解决在船舶参数未知、复杂工况下，传统控制算法因模型失配而失效的问题，提供一种安全、可解释的自适应靠泊控制。

为制定合理风电叶片电加热融冰控制策略，

通过制备电加热组件样件在-20 ℃~-5 ℃环境试验箱中开展试验的方法，研究覆冰厚度（5 mm/20 mm）、加热功率（400 W~1 000 W）和环境温度对融冰过程的影响规律。

结果表明：环境温度每降低1 ℃需增加约40 W功率维持相同终温，加热功率与环境温度对平板终温呈现线性耦合关系；5 mm覆冰时融冰平缓温升期从2.5 min延长至10.0 min，当环境温度低于-15 ℃时需采用800 W及以上功率方可有效融冰；覆冰厚度增至20 mm后冰层本体吸热量提升3.2倍，融冰时间同比延长55%。

可见实际工程中应结合环境温度阈值和冰层厚度实时检测数据动态调整加热功率，同时考虑冰层脱落临界条件与融冰停滞期温度突变特征优化控制逻辑。

为应对海上风电基础结构面临严重的冲刷挑战，

通过数值模拟研究海流作用下海上风电四桩导管架桩基的冲刷问题。采用FLOW-3D软件，利用大涡模拟（LES）湍流模型和泥沙运动模型，通过与试验结果的对比验证冲刷数值模型的有效性，并模拟单独恒定流作用下四桩导管架桩基的冲刷过程，分析桩基周围冲刷坑形态随时间的发展变化，研究不同流速、迎流角度、桩间距对四桩桩基冲刷的影响。

结果表明，群桩效应是四桩导管架基础冲刷规律核心，迎流角度改变桩间遮蔽关系，影响冲刷形态的非对称分布；桩间距调节桩间干涉强度，其增大导致群桩效应逐渐减弱，冲刷模式由整体的、相互连接的冲刷坑过渡为相对独立的局部冲刷坑；极限冲刷深度主要受流速控制，随桩间距变化较小。

研究结果为海上风电四桩导管架桩基冲刷数提供参考。

为量化分析数字化转型对船舶制造企业绩效的提升效果，掌握其内在作用机制，

基于其2011—2023年的数字化转型水平数据，综合运用主成分分析与回归模型开展数字化转型对企业绩效的影响评估。

研究发现：企业数字化转型水平每提升1个标准化单位，企业的总产值增长30.4%，设计、制造、管理和供应链等4个应用系统的数字化转型水平的综合贡献相对均衡。研究表明：数字化转型是船舶制造业发展的必经之路，成功实现数字化转型的关键是实现设计、采购、制造和管理等环节的数据共享，而实现数据共享的关键是构建企业的数据标准体系以及用于描述企业行为、特征、状态和绩效的企业数据模型。

提出的基于核心系统应用深度的数字化转型水平综合测度方法可供制造企业的转型成效评估和资源优化配置参考。

为实现中点钳位型（NPC）三电平逆变器直流侧电容健康状态的准确评估与在线诊断，

针对直流侧电容参数退化特性，开展直流侧参数辨识研究。针对传统直流侧电容参数辨识方法精度低、泛化能力弱等问题，提出一种基于数字孪生的NPC三电平逆变器直流侧电容参数辨识方法。该方法首先分析逆变器直流侧电容的工作状态，确定待辨识的电容参数；其次引入相应的数学模型，采用4阶龙格-库塔（Runge-Kutta）法构建数字孪生NPC三电平逆变器；最后利用粒子群优化算法持续更新并优化数字孪生系统中相关参数的辨识，直至数字孪生系统与实际系统的输出基本一致。

通过仿真试验，验证该方法在不同条件下对直流侧电容健康状态参数辨识的有效性以及数字孪生模型与实际模型的一致性。结果表明，该方法能较好地辨识出直流侧电容容值、电容等效串联电阻和相关负载参数，辨识误差基本保持在5%左右。

研究结果为逆变器直流侧电容参数辨识提供一定参考。

为提升拖船作业调度效率和能源利用率，

提出一种融合动态数据预处理与在线学习的改进智能负荷预测算法。基于LSTM与Adaboost混合架构，通过差异化LSTM弱预测器集成与动态权重分配（误差敏感度惩罚机制），解决时序特征退化和多模态数据融合问题，设计在线学习触发机制（基于预测偏差阈值的自动再训练），实现模型动态更新；引入潮汐等环境数据协同优化模块，提升负荷预测对港口环境的适应性。将该算法与常规LSTM-Adaboost算法相对比，验证该算法的有效性。

结果表明，经迭代优化之后，改进算法的均方误差相比常规LSTM-Adaboost算法降低40.8%，具有较高的预测精度和环境适应性。

研究成果可供港口拖船能耗优化、安全保障和智能化调度参考。

为揭示碳纤维船体结构轻量化效果对环境负荷的影响，

以11 m碳纤维增强复合材料高速艇为例，采用全生命周期评估方法进行环境影响评估，评价指标是大气污染相关的全球变暖潜力（GWP）和臭氧层破坏潜力（ODP）。

结果表明：基于纤维含量调节的碳纤维船体结构轻量化设计方法，通过增加纤维用量、减少树脂用量，当纤维含量为55%时，能够在满足结构安全的同时实现质量最优，对比设计原案（纤维含量为40%）船体结构减重12.5%。但碳纤维在制造阶段环境负荷远远高于树脂的，导致生产阶段的GWP与ODP分别上升10.24%和14.37%。相反，运营阶段因船体轻量化，25 a内节油323.98 t，GWP与ODP分别下降4.13%和4.19%。

营运阶段的周期远远长于制造阶段，轻量化效果对营运阶段的正面影响可覆盖生产阶段的负面影响。研究可为绿色船舶设计与航运业碳中和提供参考。

为提升船舶轨迹预测的精度与稳健性，

提出ABiM-Ship网络，以双向选择性状态空间模型对历史航迹编码，利用注意力机制显式对齐航迹与航向、航速，设计2阶段端到端联合预测，先回归未来航迹与航向、航速，再以残差校正，引入Huber损失以约束物理误差并稳定收敛。

试验表明：该网络在短、中、长程上的平均预测误差等指标表现均显著优于传统主流基线，预测精确度较高，且表征方法，2阶段结构与Huber损失均贡献显著增益。

研究成果在保持线性时序复杂度的同时实现对轨迹、航向与航速的显式耦合与粗到细预测，具备良好的可复现与可推广性，可为复杂海域高密度交通的智能导航与协同调度提供可推广的技术路径与工程参考。

为优化耙吸挖泥船在低速作业与自由航行2种典型工况的推进效率，

以耙吸挖泥船导管桨为研究对象，基于图谱法分别设计导管定距桨和导管调距桨，并比较二者的性能差异；构建多目标优化平台，结合RANS方法与NSGA-Ⅱ算法，开展兼顾这2种工况的导管定距桨优化研究。

结果表明，基于图谱设计所得导管桨在2种工况下的螺距比相近，因此导管定距桨能在2种工况下均表现出较好的效率。经优化后得到的2个最佳导管定距桨方案，在挖泥工况下效率分别提升5.65%和5.59%，在自由航行工况下效率分别提高7.70%和8.09%。

研究结果可为后续相关优化工作提供参考。