油轮货油加温操作系统的设计与开发

摘要

随着经济的快速发展，每年我国需要向国外进口大量原油，其中大部分依靠油轮运输。目前，航运市场低迷，运价过低，而燃油成本居高不下，因此，油轮运输过程中的节能、经济、环保成为了各大航运企业的重要议题。2005年，大连远洋运输公司与大连海事大学携手合作，开发了“油轮货油加热保温操作系统”，此合作项目历时多年，不断优化创新，以满足新情况的需要。
　　 本文所著内容即为此项目的一个试探性工作。根据船舶实际航行中的客观情况，使用C＃语言编译了BP神经网络算法对货油加热时间进行预测，并运用传热学理论和公式对诸多影响因素进行分析，选取影响最大的四个因素，并对输入变量进行数据预处理，以提高计算精度。根据计算出的加热时间再对耗油量进行计算，并编写出了一个可以用于实船操作的货油加温软件。软件的训练模块既可以完成样本的实时更新，又可以拓展需要计算的油轮型号，它可以对大连远洋运输公司的所有油轮进行计算，大大拓展了其使用范围。
　　 本文所使用的数据全部来自2006年至2012年大连远洋公司的“连平湖”、“连安湖”和“连顺湖”这三艘参数完全一样的油轮航行数据。经过计算，加热时间的相对误差主要分布在10％以内，标准差在3.5％～6.5％之间，耗油量计算误差在15％以内，标准差在5％～6％之间，并对误差产生的原因进行分析。最后，提出了一些本软件的不足，并给出了一些改进设想。

目录

声明

摘要

第1章 绪论

1．1 选题背景

1．2 文献综述

1．2．1 货油加温方向国内外研究现状

1．3 背景知识介绍

1．3．1 油轮简介

1．3．2 货油简介

1．3．3 油船加热设备与管系

1．3．4 货油加温简介

1．3．5 货油加温的影响因素

1．4 本论文所做得主要工作

第2章 人工神经网络原理简介

2．1 人工神经网络的介绍

2．1．1 人工神经网络的结构

2．1．2 人工神经网络的分类

2．2 BP神经网络简介

2．2．1 BP网络结构

2．2．2 BP网络学习公式推导

2．3．3 BP神经网络模型计算公式总结

第3章 加热时间计算模型分析

3．1 样本选取

3．1．1 样本收集

3．1．2 样本分析与参数选取

3．2 BP神经网络算法应用途径

3．3 BP神经网络算法编译

3．3．1 确定BP神经网络结构

3．3．2 BP神经网络算法流程图

3．3．3 算法的变量

3．3．4 算法函数编译

3．4 网络的训练与仿真

3．4．1 网络参数选定

3．4．2 数据预处理

3．4．3 网络训练仿真与误差分析

3．5 本章小结

第4章 货油加热时间与耗油量模型分析

4．1 耗油量数据收集

4．2 数学模型选择

4．2．1 蒸汽压力0.4MPa工况下模型

4．2．2 蒸汽压力0.35MPa工况下模型

4．3 耗油量误差分析

第5章 货油加温软件开发

5．1 准备工作

5．2 软件开发

5．2．1 训练模块开发

5．2．2 计算模块开发

第6章 结论与展望

6．1 结论

6．2 不足与展望

参考文献

致谢

研究生履历