哈尔滨工程大学船舶装备科技有限公司

本发明是一种基于AM‑DBDQN算法的船舶节能航线寻优方法。本发明涉及船舶智能航线寻优技术领域，本发明将含障碍物、风场和浪场的海域建模为栅格环境，设置包括八个方向的离散航行动作；依据空气阻力、静水阻力和波浪阻力确定航段能耗，构建人工势场、曼哈顿距离、气象、事件完成和重复访问组合奖励；将状态转移样本同时存入按时序差分误差确定优先级的第一经验缓冲区和按观察向量欧氏距离确定优先级的第二经验缓冲区，按比例采样并经重要性权重校正后训练决斗深度Q网络，输出航迹点序列。仿真结果表明，该方法具有提高收敛速度并降低燃料消耗的效果。

一种基于分层块注意力物理信息神经网络的舱室浸水流场实时预测方法，涉及船舶舱室浸水流场预测技术领域，针对现有方法难以兼顾全局主流与局部次生流动且物理约束计算开销较大的问题，提出如下方案：对浸水时空网格进行分层分块，分别通过自注意力和交叉注意力提取全局流动特征与局部流动特征，经自适应加权融合后解码得到预测流场，并仅在精细块上结合质量、动量及能量耗散残差构建复合损失进行训练。本发明适用于船舶破损舱室浸水流速和压力的实时预测。