物理信息（Physics-Informed）船舶性能模型校准前的测量充分性与参数可辨识性：基于一艘油轮四个航次的κ尺度方法学案例研究

《Journal of Marine Science and Engineering》：Measurement Adequacy and Parameter Identifiability Before Calibration of a Physics-Informed Ship-Performance Model: A Methodological Case Study on Four Tanker Voyages

　　

在操作数据上校准船舶性能模型，以可追溯、独立且充分激励（sufficiently excited）的船上通道为前提。本方法学案例研究在校准前审查了一艘油轮四个航次的207条记录（每条0.5–5 h）；燃料与功率仪器无文档记录。五参数燃料观测在结构上仅限两个复合方向，其中可用记录支持一个：双复合拟合返回不可接受的附加功率乘子。所估计的标量κ是重构的主机燃料与报告功率在名义比油耗下的比值，而非物理效率。在每个航次开局四分之一后冻结，κ将剩余航线燃料总量预测误差控制在?5.67%至+0.70%，而未校正模型为?24.95%至+0.16%；在同一窗口一次性拟合的标量表现相同，因此增益来自缩放（scaling），而非递推。跨两个燃料转化基线、两种燃料字段读数与七个冻结点定义，总量保持在?8.5%至+2.1%，κ的离散度保持在25–31%；逐航次均方根误差（RMSE）变化与分段速度剖面不稳定。报告功率与建模功率是不同的观测算子：在匹配参考下，使用κ时V2成本降低为+1.15%，使用建模功率所需尺度时为+0.06%。优化结果是条件敏感性实验，而非已实现节约。

在航运脱碳与能效管理中，物理信息（Physics-Informed）船舶性能模型被用于速度优化、燃料与排放预测及法规合规评估。海运承担约80–90%全球商品贸易，虽是最节能货运方式之一，仍贡献近3%全球人为温室气体（Greenhouse Gas, GHG）排放，并面临国际海事组织（International Maritime Organization, IMO）2023 GHG战略、碳强度指标（Carbon Intensity Indicator, CII）、欧盟排放交易体系（European Union Emissions Trading System, EU ETS）扩展至海运以及FuelEU Maritime等更严格监管。先前工作在同一油/化学品船上建立物理信息优化框架，集成水动力阻力预测、推进建模、燃料消耗估算、CO₂排放核算和法规合规评估，并使用固定校准参数。本研究延续该框架，但提出先前问题：常规报告的燃料和功率通道究竟能识别该校准的什么？若识别结果少于模型所需，速度决策会受到什么影响？文献中数据充分性研究多评估数据驱动或灰箱模型的预测精度，较少在估计和解释物理模型参数前检验这些参数能否与燃料观测分离，也未区分识别校正所用的功率基与决策模型应用校正的功率基。校准文献表明，不建模差异项时，校准参数会吸收差异并在观测域内拟合良好，但丧失物理意义且不能外推。因此研究人员开展测量充分性、参数可辨识性与决策敏感性案例研究。

研究人员在一艘medium-range油/化学品船的四个地中海航次、207条处理记录（每条0.5–5 h）上，先溯源和筛选通道，再在估计前分析五参数燃料观测的可辨识性，将参数约简为标量κ=重构主机燃料与报告功率在名义比油耗下的比值，在每航次开首25%记录（最少5条）上估计并冻结，预测剩余航线燃料总量；再把冻结κ转移到基于建模功率的动态规划速度优化，进行匹配参考比较和敏感性实验。结论是：五参数中三个组合结构不可辨识，环境复合项实际不可辨识；仅一个尺度实际可辨识。κ在识别域内预测剩余燃料总量误差?5.67%至+0.70%，未校正为?24.95%至+0.16%；但κ特定于识别所用报告功率基，转移到建模功率基会改变优化结果。研究意义在于支持测量优先工作流，把溯源、独立性、激励、可辨识组合、估计器和决策模型选择分开，并表明在现有记录下路线级校正可用而分段级速度推荐不受支持。

关键技术方法如下：研究人员使用离线回放工作流，样本队列来自一艘medium-range油/化学品船四个地中海/东地中海商业航次，共207条处理记录，源自船上能效与性能监测终端和航次操作登记，非独立验证传感器。流程包括：五测试通道筛选（速度/电流精确依赖、表观比油耗、功率突变响应、燃料–功率线性一致性、报告功率与主机燃料指数一致性）；以堆叠灵敏度矩阵秩进行结构可辨识性分析；用标量线性卡尔曼滤波（Kalman filter）在开首25%记录、最少5条上估计κ并冻结，一步预测剩余路线；用动态规划（Dynamic Programming, DP）在离散速度集上优化剩余航线，并以波束搜索（beam search）交叉检查；对燃料转化基线、燃料字段读数、冻结点、辅助燃料分配、波/风±10%、排水量±5%和网格分辨率进行确定性敏感性分析。

研究结果如下。筛选与可辨识性：207条记录闭合于登记时长和距离；筛选发现代数依赖、激励弱和分段燃料–功率行为不一致，不证明四个传感器失败，也不修正先前路线级计算。燃料观测堆叠灵敏度矩阵在所有航次达到结构秩2（上限），条件数为10.18、25.97、86.92、21.95；观测最多允许两个复合方向，但第二方向可用性在双复合部分检验。全航次模型所需尺度为1.089、1.909、1.922、1.783，与κ（调和燃料与报告功率）不同；适应窗口单独所需尺度为0.914、2.144、1.884、1.617。Arm 1：燃料参照的标量校正。一步预测性能：一步RMSE在三个航次改善66.6%–89.2%，V1恶化2.7%；四航次未加权平均一步57.2%、滤波63.0%。冻结前瞻剩余路线RMSE变化?0.5%、75.9%、83.9%、45.7%；冻结后总量误差0.62%、0.70%、?3.50%、?5.67%。适应窗口记录22、18、5、5，冻结κ=1.0046、1.2542、1.2858、1.0804。辅助燃料1.5–2.5 t/day下冻结κ范围变化；替代燃料字段读数下冻结κ约升0.13，前瞻总量基本不变，但V1和V4的RMSE变化改变。燃料转化基线的可辨识性：四个航次在32.3%–36.6%最大持续功率（Maximum Continuous Rating, MCR），远离基准；Arm A用194 g/kWh恒定，Arm B用负荷相关比油耗（Specific Fuel Oil Consumption, SFOC）修正，有效209.6–213.1 g/kWh。两个基线均未针对安装发动机验证，κ只到假定基线可识别。8–11个百分点校正归因于部分负荷而非报告。基线不改变κ航次间离散（29.9%到26.3%）和前瞻预测（2.62%到2.40%平均绝对误差），但逐航次一步RMSE变化不稳健。残差依赖与区间估计：三个条件内航次区间排除零，V1跨零；四航次精确单侧符号检验p=0.3125，不支持总体显著性。状态轨迹、标量基线和递推作用：κ轨迹跟踪报告关系，不分离SFOC、推进效率、阻力或退化。与递推最小二乘（Recursive Least Squares, RLS）、指数加权移动平均（Exponentially Weighted Moving Average, EWMA）比较，RLS三航次接近，V4较差；一次性无截距标量拟合同样可，说明前瞻增益是航次特定缩放，卡尔曼滤波只是实现之一。双复合参数形式：在建模功率基上双复合拟合，适应窗口附加功率项占0.9%–8.4%单记录、2.6%–7.8%窗口；两估计相关?0.86至?0.99，θ₂在三个航次为负，不可接受，V2和V4标准误大于幅值；全航次也不修复。前瞻双复合预测剩余燃料总量误差+50.9%、+1.1%、+19.7%、?18.5%；单个建模功率尺度误差222、186、41、95 kg/h，κ误差57、39、32、48 kg/h。因此第二复合结构可辨识但实际不可辨识，一个尺度是燃料观测所能支持的全部。冻结点敏感性：七个窗口定义（记录10%、20%、25%、33%、50%，时长25%、33%，最少5条）。冻结κ稳定，V1 0.985–1.013，V2 1.238–1.260，V3 1.286–1.316，V4 1.074–1.080，航次间离散28–31%。公共尾部总量误差V1 ?0.8%至+2.0%，V2 ?0.2%至+1.6%，V3 ?3.0%至?0.8%，V4 ?7.9%至?8.5%。V3和V4五记录最小值绑定；V4无论冻结点仍约8%低估，因燃料–报告功率比晚段上升。

转移与决策敏感性。配置：κ在适应窗口估计并冻结为1.0046、1.2542、1.2858、1.0804；剩余路线67、57、16、17段。匹配参考求解器结果：波束搜索在所有八个主运行达到DP最优；总成本最小化在静态模型降低0.78–2.65%，κ条件模型0.02–2.19%，同时燃料增加8.76–17.99%和0.74–16.56%。成对静态–κ条件剖面比较：κ改变每个航次剖面，V1 10/67、V2 38/57、V3 16/16、V4 17/17。转移尺度测试决定：从报告功率κ到适应窗口建模功率所需尺度，匹配成本降低V1 +2.19%到+2.73%，V2 +1.15%到+0.06%，V3 +0.02%到0.00%，V4 +0.77%到+0.02%；V2燃料惩罚从16.56%增加变为0.13%降低，V3 0.74%增至0.05%，V4 13.51%增至0.02%降低；V1增加从8.60%到12.65%。采用部分负荷燃料转化基线也移动结果并改变V1所有段。替代燃料字段读数下转移结论仍成立，但离散剖面改变。操作输入敏感性：±5%排水量改变优化成本0.94–1.14%，并在每个航次至少一个模型下改变速度决策；波影响V1最大1.34%，V3低于0.02%；风低于0.41%。0.1 kn网格包含所有记录速度；0.5 kn网格144/207速度不可表示。静水缩放操作交叉检查：用一压载一载重段平均报告功率和速度，立方关系给出排水量比0.5944，采用操作排水量0.5932，相对差0.2%，支持内部一致性但不验证绝对阻力。指数敏感性n=2.8、3.0、3.2，匹配DP成本降低均为正，但离散剖面可大幅变化；结论是这些数据不支持分段级速度推荐。目标函数比较：总成本目标下早到值800 EUR/h且无等待成本；燃料与合规目标下燃料变化从V1降低3.09%到V3增加0.05%，到达约束均绑定。仅V1有实质燃料降低；V2–V4燃料导向最优与记录剖面差不超过0.12%。各组件支持的证据：运动学比较器降低速度对地RMSE 55.3–77.7%，但不含推进信息，不进入燃料/功率/决策模型；各组件支持的证据区分了可支持结论与不支持解释；波束搜索复现DP；静态–κ剖面变化数不是物理重要性单调度量；无实际航行反事实路线。

讨论部分总结：证据分三层：软件包数值可重复；溯源审计建立处理值与记录关系；均不建立独立物理验证。主要结果是可辨识性限制。冻结前瞻在V2–V4有大增益，V1无。辅助燃料测试显示V2–V3稳健，V1和V4不稳定。燃料转化基线不可分离，两基线差8–11个百分点κ；稳健结果包括前瞻剩余误差从2.62%到2.40%平均绝对误差，κ航次间离散从29.9%到26.3%。逐航次一步改进不稳健。区间估计V2–V4排除零，V1跨零，四航次精确符号检验p=0.3125。决策层中κ在报告功率估计、用于建模功率，转移尺度假设可主导剖面和成本，κ条件优化应视为敏感性分析。经济结果由早到价值驱动。波束搜索与DP一致。运动学比较器表明预测拟合改善不等于参数意义。研究支持测量优先工作流。与校准文献一致，κ在识别域内拟合好，不转移到域外；补救需显式差异模型，但此处观测不足。限制包括：单船四航次不能总体推断；仪器未记录；速度计未识别；燃料字段两种读数；适应窗口为记录比例，V3/V4不能短于5条；V4约8%低估；排水量重构；主机燃料减常数辅助；静水单点校准幂律替代，低于14.5 kn为外推；环境与轴速激励不均；后验协方差未传播；记录时长0.5–5 h；报告功率κ到建模功率转移未物理验证；优化省略泊位、等待、早到罚和连续速度控制，保持记录环境序列，是冻结环境决策敏感性实验。

结论翻译：本案例研究延续了先前工作的物理信息优化框架，在同一船舶和航次上从测量侧而非决策侧切入。该研究询问常规报告的燃料和功率通道能识别该模型参数的什么，以及答案对速度决策意味着什么。溯源审计产生可重复的207条记录数据集和可辩护的连续Messina–Fiumicino序列。它不替代底层燃料、功率、速度或吃水通道的独立校准记录，因为这些仪器无文档记录。在燃料观测的五个候选修正中，三个组合无论数据如何结构不可辨识，环境复合项在这些航次实际不可辨识：双复合拟合在四分之三航次返回负附加功率乘子。无法从可用观测获得分离的阻力、效率和燃料转化修正。在这些记录上，仅一个尺度实际可辨识。所估计的标量κ是重构主机燃料与报告功率在名义比油耗下的比值；它是声明的建模选择，并不来自可辨识性分析。在每个航次开首四分之一后冻结，它将剩余航线燃料总量预测误差控制在?5.67%至+0.70%，而未校正为?24.95%至+0.16%。在同一窗口一次性拟合的标量做同样的事；卡尔曼滤波是缩放的一种实现而非贡献。κ特定于其识别所用的功率基。转移到决策层的建模功率基时，它改变所有四个优化剖面；当使用该基所需尺度时，V2匹配成本降低从+1.15%降至+0.06%，建模燃料惩罚在三个航次消失。前瞻总量和κ的航次间离散在两个燃料转化基线、两种源燃料字段读数和七个冻结点定义下稳定，转移结果在两种读数下成立。逐航次RMSE改进取决于基线和读数，分段级速度剖面取决于三者。在这些记录上，路线级校正可用，分段级速度推荐不受支持。在800 EUR/h下，较早到达降低建模成本同时增加燃料。较低时间价值和燃料导向目标产生不同选择。这些是条件反事实结果，不是已实现节约。这些发现是在主要船舶记录和单一船舶上，对校准参数吸收未建模差异这一已知结果的实例。它们作为方法学案例研究提供，而非常规框架。进一步验证需要同步的质量流量、轴扭矩、速度计、吃水或排水量及天气测量，跨更多船舶和操作条件，随后进行前瞻性船上试验。