随着智能船舶技术的发展,船舶能效状态评估相关研究得到广泛的关注。对船舶能效状态进行及时检测和判断,有助于控制和减少船舶二氧化碳碳排放,同时对船舶营运的经济效益也有重要作用。本文选取一条远海航区散货船为研究对象,以该船实测数据为基础,利用粒子群算法优化径向基神经网络对船舶主机能效进行研究,研究成果为完善船舶能效评估体系具有一定理论价值和工程应用价值。本文研究内容包括船舶海上状态识别算法和主机能效评估算法研究两部分。首先,分析船舶能效评价指标,确定反映船舶主机和航行环境的参数共11个,经预处理后作为模型输入。将四种海上运行模式即船舶停泊模式、海上机动航行模式、海上定速航行模式、海上大风浪航行作为模型输出,建立了基于径向基神经网络的船舶海上运动状态识别模型,模型对采集的全部样本的识别率达到95.81%,满足船舶运行模式识别的需要。针对航行数据存在关联性的问题,采用核主成分分析法对所选择的10种特征参数进行数据降维,筛选并保留贡献率较大的6种主成分。建立基于径向基神经网络的船舶主机能效模型,并采用粒子群算法对模型的场域宽度进行优化以提高模型准确度。将模型计算所得油耗值与实际油耗值进行比较,从而评判船舶主机能效状态。结果显示,经粒子群算法优化的径向基神经网络船舶主机能效模型,准确率优于传统径向基神经网络船舶主机能效模型,准确率达到96.7%,为此,所开发船舶主机能效模型能够满足船舶主机能效评估的需要。