DEMOPS - Maskininlärningsbaserad modellering av hastighetseffekt för att minska bränslekostnader och utsläpp från frakt
Forskningsprojekt
, 2020
– 2022
Ett fartygs bränsleförbrukning kan öka avsevärt när man seglar under hårda havsförhållanden. Alla åtgärder för att öka fartygets energieffektivitet måste förlita sig på noggrann beskrivning av fartygets energiprestanda, dvs. kraft-hastighetsförhållande, till havs.
Nuvarande teoretiska fysiska modeller innehåller alltid stora osäkerheter i beskrivningen av ett fartygs energiprestanda, särskilt i de mekaniska systemmodellerna. Vissa blackbox-prestandamodeller har konstruerats med maskininlärningsmetoder baserade på data om fartygets prestanda vid olika förhållanden. Blackbox-modellerna är dock bara användbara för ett specifikt fartyg med data som matas in för modellkonstruktionen.
I detta projekt kommer vi att utveckla algoritmer för "functional data analysis" (FDA-algoritmer) för att välja/simulera korrekt fartygsdata. Dessa data kommer att användas till sofistikerade maskininlärningsalgoritmer för att kombinera med teoretiska modeller för att bättre förstå och konstruera modeller av fartygs energiprestanda. Vissa omvända maskininlärningsalgoritmer kommer att utvecklas för att korrekt beskriva de vågförhållanden som ett fartyg möter. Slutligen kommer dessa modeller att demonstreras för att visa hur de kan användas för att utveckla energieffektiva åtgärder för fartyg. Potentiella bränslebesparingar och minskning av luftutsläpp kommer att identifieras genom demonstrationerna.
Deltagare
Wengang Mao (kontakt)
Biträdande professor vid Chalmers, Mekanik och maritima vetenskaper, Marin teknik
Martin Alexandersson
vid Unknown organization
Samarbetspartners
GoTa Ship Management AB
Göteborg, Sweden
Lunds universitet
Lund, Sweden
Molflow AB
Gråbo, Sweden
SSPA Sweden AB
Göteborg, Sweden
Finansiering
Lighthouse
Finansierar Chalmers deltagande under 2020–2022
Trafikverket
Finansierar Chalmers deltagande under 2020–2022
Relaterade styrkeområden och infrastruktur
Transport
Styrkeområden
Energi
Styrkeområden
Grundläggande vetenskaper
Fundament
Innovation och entreprenörskap
Drivkrafter