PIANO - Physics Informed Machine Learning Architecture for Optimal Auxiliary Wind Propulsion

Forskningsprojekt, 2024 – 2027

IMO:s avkarboniseringsmål stimulerar forskning och utveckling på vindstödda framdrivningssystem (WAPS) och ökar deras installationer i dagens sjöfartsindustri. För att underlätta det snabba marknadsupptaget av WAPS och maximera utnyttjandet av förnybar vindenergi från WAPS för framdrivning av fartyg, krävs ytterligare socio-teknisk forskning och utveckling för att, 1) öka automatiseringseffektiviteten för WAPS-kontroll och drift; 2) vinna marknadens förtroende; 3) få bästa driftpraxis; och 4) underlätta ytterligare optimering av framtida WAPS-design. Speciellt att lägga till WAPS ombord på fartyg kan helt förändra ett fartygs prestandaegenskaper. Därför behövs det brådskande systematisk utbildning av besättningen för att bättre förbereda sjöfolk för effektiva WAPS-fartygsoperationer. Dedikerad sjösimulatorbaserad utbildning om sjöfarts energieffektivitet med avseende på WAPS, och systematisk undersökning av mänskliga faktorer relaterade till drift av WAPS i verkliga/simulerade sjöfartsmiljöer, är dock sällan tillgängliga.

 För att ta itu med ovanstående frågor är huvudsyftet med detta PIANO-projekt att utveckla fysikinformerade maskininlärningsmodeller för fartygsskrov-WAPS-rodermotor-CPP dynamiska kopplingsmodeller, transparenta utvärderingsriktlinjer, simulatorbaserade träningsscenarier och deras demonstrationsfall för WAPS-operationer och mänskliga faktorer enligt följande.