耙吸挖泥船作为国家重点疏浚装备,广泛应用于大型港口的建设与维护、吹填造地等领域。随着疏浚市场的发展与需求,大型耙吸挖泥船的建造已成为新发展方向。如何提高疏浚产量、控制能源消耗,饯行绿色疏浚、高效疏浚,将成为未来疏浚行业的发展趋势。相比于传统的疏浚作业,智能疏浚将摆脱以主观经验为操作策略的弊端。因此,开展耙吸挖泥船智能作业研究,探讨选择最为适宜、最具有经济性的作业方式或操作方法,对提高耙吸挖泥船疏浚效益和市场竞争力,具有十分重要意义。本文在工业与信息化部高技术船舶项目“疏浚船舶智能作业系统开发”（项目编号:2019.13.GX.50）的支持下,以耙吸挖泥船为研究对象,选取关键疏浚工艺参数,采用以数据驱动为基础的机器学习算法,为耙吸挖泥船艏吹过程建模,并在此基础上采用强化学习对艏吹的控制策略进行研究,以减少疏浚人员的参与,实现耙吸挖泥船艏吹的智能化,自动化。本文主要工作内容包括:（1）疏浚过程与艏吹模型分析。在分析耙吸挖泥船疏浚流程的基础上,针对艏吹过程的工作原理进行分析,和对艏吹产量影响的客观因素进行探讨,并对艏吹过程中泥泵和管道数学模型进行构建。（2）疏浚过程数据预处理。针对耙吸挖泥船收集数据时风向、海浪、潮水等干扰等问题,开展数据清洗工作,并采用套索法（Lasso）回归和最大信息系数（MIC）冗余识别法相结合的方法进行数据特征选择,为预测模型的构建奠定良好的基础。（3）艏吹瞬时产量预测模型。在耙吸挖泥船艏吹的机理模型难以确定的情况下,采用基于Nadam优化的GRU神经网络,构建产量预测模型。经过试验后证明,通过Nadam方法对GRU模式进行优化能够有效的减小模型的预测偏差,从而较好的对耙吸挖泥船的产量做出了预期（4）艏吹过程控制策略研究。针对耙吸挖泥船以往依靠疏浚人员操作经验疏浚的情况。采用基于深度确定性策略梯度算法对耙吸挖泥船艏吹工艺的控制策略进行研究,并采用Sum Tree对模型进行优化提高模型的运算速度。实验结果表明,该方法可以有效的对艏吹进行控制,将泥舱内的泥砂排出挖泥船,这大大减少疏浚人员的工作量,提高耙吸挖泥船的自动化、智能化程度。