目前,有关船舶的排放要求日趋严格,在航运经济持续低迷的背景下,船舶的排放和成本控制策略尤为重要。主机油耗是船舶总油耗的主要成分,同时船体污损带来的额外阻力也是影响总油耗的重要因素,两者对控制策略研究有着重大影响。文中根据船舶历史航行数据,利用粒子群算法提高油耗模型的准确性,并基于Wiener过程建立船体污损退化模型,为坞修时间的设定提供一定参考。首先,对航行中的船舶进行受力分析,定义摩擦增量系数,代表摩擦补贴系数、船体粗糙度和污损对船舶的影响,结合船舶主推进装置的功率传递方式,建立主机油耗模型的一般表达式；查阅相关资料,确定表达式中各参数数值,设定无法测量或多类经验公式计算结果相差较大的参数为待识别参数。其次,对历史航行数据进行异常值和移动平均处理,以摩擦增量系数、附体系数、伴流和推力减额分数四个待识别参数为粒子群算法中的变量,主机油耗的计算值与实际值的平均相对误差为目标函数,迭代优化识别得出最优识别值分别为:1.085×10-4,2.959×10-2,3.928×10-1,5.405×10-1。油耗模型检验计算的相对误差在8%以内。最后,将总数据按照不同时距分段,通过基于Wiener过程的退化模型研究摩擦增量系数的退化规律。结果显示,30日时距的分段方案效果最优,误差分析中平均相对误差为7.11%;同时,为使退化模型更为直观,根据船舶历史航行规律,将摩擦增量系数转换为预估功率增量形式,得出以功率增量作为输入的船体剩余寿命概率密度分布函数,为周期性船舶维护的计划制定提供了一定参考。