疏浚作业对于经济的发展有着非常重要的作用,而耙吸挖泥船自身的优点又使其成为疏浚作业的重要船型。装舱过程是耙吸挖泥船不可或缺的一个组成部分。传统的疏浚作业主要依靠操作人员的施工经验进行施工,施工效率不够高。在人工智能快速发展的今天,利用人工智能对于挖泥船的效率进行提升已经变得越来越迫切和必要。在充分掌握耙吸挖泥船作业原理的基础上,对采集到的施工数据进行分析与处理。通过构建耙吸挖泥船装舱阶段的估计模型,对不易直接测量的数据进行估计,并控制施工参数进行寻优,从而提高施工效率。本文主要针对挖泥船装舱部分,对于装舱过程中土壤粒径、干土吨生产情况、损失情况的估计问题和多目标疏浚参数寻优问题进行了研究。最主要的工作在以下几个方面:(1)装舱模型的研究与处理。针对装舱模型的质量平衡方程,研究了净干土吨的生产率和生产量、干土吨的损失率和损失量,构建了装舱估计模型。(2)数据预处理。通过DBSCAN聚类算法寻找错误数据并删除。再通过缺失值处理,将删除的数据进行填补。最后通过小波去噪,减少噪声干扰,使原有数据更加平滑。(3)装舱模型的构建与数据估计。一是通过粒子群优化的Elman神经网络针对装舱质量的估计。通过此种方法作为安全角度的备选方案,贯彻安全疏浚的理念。二是通过类电磁机制粒子滤波,对土壤粒径,净干土吨的生产率和生产量,干土吨的损失率和损失量建模,从而进行估计。(4)多目标疏浚参数寻优。通过NSGA2非支配排序遗传算法,对耙吸挖泥船的净干土吨整体平均生产率和干土吨溢流损失这两个疏浚参数进行寻优,得到优化的施工参数,控制挖泥船达到优化的施工参数值。并与初始工况进行对比,生产效率和干土吨存储率得到了提高。