动力定位(Dynamic positioning,DP)船舶就是使用自身的推进器来抵抗海上环境的影响,使船舶保持一定的位置来确保海上作业的安全性。为了应对复杂海况以及船舶设备故障导致的船舶位置漂移问题,船舶对其自身的DP性能的要求非常高,因为这对于船员的人身安全,船舶设备的保护和作业的顺利进行至关重要。但是DP性能受到环境以及推进器交互的影响,使如何衡量推进器对DP性能的影响变得十分困难。为了量化推进器对DP性能影响,本文引入基于经验分布函数的敏感性分析(Sensitivity analysis,SA)方法来计算每一个推进器对DP性能的影响程度,它相较于基于方差和基于密度的SA方法不仅能够准确地得到结果而且方法简单易于计算。本文成功的将SA方法和统计分析方法应用到基于DP性能的推进器重要性分析上,能够提供在线支持来提高DP性能,以及为电力分配系统优化和推进器保养提供指导。主要的工作内容如下:1.首先,基于行业准则和其他研究者对于DP性能评估的方法,结合自己的方法的特点,提出一个DP性能量化的综合准则来量化船舶的DP性能。这个量化方法考虑了DP船舶的位置,航向角以及消耗的总的电力。2.由于SA非常依赖于模型,本文使用机器学习方法来建立一个代理模型的。并通过使用Sobol函数和Ishigami函数作为检验函数对比了支持向量机,神经网络和极限学习机建立模型的准确度,最终选择一个最好的机器学习方法与SA结合。3.使用SA和统计学方法来分析在不同的海况以及推进器失灵情况下的各个推进器的重要性。主要分为:在同一海况,不同推进器失灵情况下的重要性分析;在同一推进器状态,不同海况下的重要性分析。并且详细地对各种情景下的推进器的统计学特征和敏感性指数进行分析对比,来为船舶DP作业提供有意义的指导。