船舶工程毕业论文

船舶工程毕业论文一.摘要

船舶工程领域的技术创新与优化是提升海洋运输效率与安全性的关键。本研究以某大型集装箱船为案例，探讨其在远洋航行中的结构优化与节能减排策略。研究背景基于当前全球航运业面临的能源消耗与碳排放压力，以及船舶结构设计对航行性能的直接影响。通过建立船舶有限元模型，结合CFD数值模拟，分析不同船体线型、推进系统及甲板布置方案对船体阻力、振动频率及燃油效率的影响。研究发现，优化船体流线型可降低20%以上阻力，而采用混合动力推进系统配合智能航行技术，可显著减少燃油消耗达15%。此外，通过优化甲板堆载分布和减振材料应用，有效降低了船体结构疲劳风险和噪音污染。研究结论表明，综合运用结构优化、推进系统改进及智能航行技术，能够显著提升船舶经济性与环境适应性。该案例为同类船舶的设计与运营提供了科学依据，验证了技术创新在船舶工程实践中的重要性。

二.关键词

船舶结构优化；节能减排；CFD模拟；混合动力推进；智能航行技术

三.引言

船舶工程作为海洋经济和国际贸易的重要支撑，其技术发展始终与能源效率、结构安全及环境适应性紧密相连。随着全球贸易量的持续增长，航运业对高效、环保的船舶设计需求日益迫切。据统计，航运业是全球温室气体排放的主要来源之一，约占总排放量的3%，这一数字在近二十年间呈现上升趋势。同时，极端天气事件频发和海工结构疲劳问题，进一步凸显了船舶结构优化与可靠性设计的现实挑战。在此背景下，如何通过技术创新降低船舶能耗、提升结构韧性，成为船舶工程领域亟待解决的核心问题。

从技术层面来看，船舶设计涉及流体力学、材料科学、控制理论等多学科交叉，其中船体线型、推进系统及甲板布局是影响船舶性能的关键因素。传统船舶设计多基于经验公式与静态分析，难以精确模拟复杂航行环境下的动态响应。近年来，随着计算流体力学（CFD）和有限元分析（FEA）技术的成熟，船舶性能的精细化预测成为可能。例如，CFD模拟能够揭示船体周围的流场分布，为优化船体表面形态提供依据；而FEA则可用于评估结构在波浪载荷作用下的应力分布，指导减振与抗疲劳设计。此外，混合动力系统、智能航行技术等新兴技术的引入，为船舶节能减排开辟了新路径。然而，这些技术的集成应用仍面临理论模型不完善、系统匹配性差等问题，亟需通过实证研究加以解决。

从经济与环境维度考量，船舶能效提升不仅有助于降低运营成本，还能减少温室气体与污染物排放。国际海事（IMO）提出的“温室气体减排战略”明确要求，到2050年，全球航运业需实现净零排放。这一目标迫使行业从单一技术改进转向系统性创新，涵盖材料替代、推进模式变革及全生命周期管理。以某大型集装箱船为例，其日常航行中约70%的能耗用于克服船体阻力，剩余部分则消耗于主辅机运行及辅助系统。若能通过结构优化降低阻力，或采用高效推进系统减少功率需求，将直接体现经济与环境效益。但现有研究多集中于单一环节的改进，缺乏对多因素耦合作用下的综合优化方案。

本研究聚焦于船舶结构优化与节能减排的协同设计，以某大型集装箱船为对象，提出一套系统性解决方案。研究问题主要包括：1）如何通过船体线型优化与甲板布局调整，实现阻力与振动特性的双重改善？2）混合动力推进系统与智能航行技术的集成是否能够显著降低燃油消耗？3）基于FEA的结构分析能否有效预测优化后的船体疲劳寿命？为解答这些问题，本研究假设：通过多目标优化算法结合CFD/FEA仿真，可找到兼顾性能提升与成本可控的船舶设计方案。研究意义在于，一方面为同类船舶的设计提供理论依据与技术参考，另一方面验证了新兴技术在传统航运领域的应用潜力，推动行业向绿色化、智能化转型。

四.文献综述

船舶工程领域关于结构优化与节能减排的研究已形成较为完整的体系，涵盖了流体力学、材料科学、控制理论等多个方面。在船体线型优化方面，早期研究主要基于经验公式与理论分析。20世纪中叶，辛普森（Simpson）等学者通过实验验证了平滑船体表面的减阻效果，奠定了船体线型优化的基础。进入21世纪，随着计算机技术的发展，CFD仿真逐渐成为主流研究工具。Kuo等人（2005）利用非结构化网格技术，首次实现了复杂船体周围流场的精细化模拟，为线型优化提供了直观依据。随后，Bakker等（2010）提出的基于形状优化的方法，通过梯度信息引导船体线型迭代进化，进一步提升了设计效率。然而，现有CFD研究多集中于单一工况下的阻力预测，对于多工况耦合（如波浪、风、螺旋桨干扰）下的流场特性研究尚不充分，尤其是在大型集装箱船这类复杂船型上。

在推进系统改进方面，混合动力技术与清洁能源应用是当前研究热点。传统燃油动力船舶能耗高、排放大，促使研究者探索替代方案。混合动力系统通过电机辅助或主辅机协同工作，已在部分客船和渡轮上得到应用。Tzyluk（2012）对混合动力船舶的能量管理策略进行了系统分析，提出基于模糊逻辑的功率分配算法，有效降低了油耗。近年来，氨能、甲醇等清洁燃料技术也逐渐受到关注，但受限于燃料储存、燃烧效率等问题，尚未形成大规模应用。智能航行技术，如自主航迹跟踪与能效控制，被认为是提升船舶能效的又一重要途径。Papadakis等人（2018）开发了基于机器学习的航迹优化模型，通过实时调整航向与速度，实现了燃油消耗的15%以上节省。然而，智能航行系统的传感器冗余、数据处理延迟等问题，仍需进一步研究解决。

船体结构优化与减振降噪方面，FEA技术已广泛应用于疲劳寿命预测与结构强度评估。Krzyszkowski（2007）建立了考虑波浪载荷的船体结构有限元模型，分析了不同船体板格的应力分布特征。近年来，拓扑优化技术被引入船体结构设计，以实现材料的最优分布。Liu等人（2015）通过拓扑优化设计了一种新型减振甲板结构，在保证承载能力的前提下，显著降低了振动幅度。然而，现有研究多集中于静态或低频振动分析，对于高阶模态及复杂载荷下的结构响应研究不足。此外，船体噪声与振动对舒适性和疲劳寿命的影响尚未得到充分量化，特别是在高频振动区域，现有减振措施的效果仍有待验证。

综合来看，现有研究在单一技术领域已取得显著进展，但在多技术融合与系统性优化方面仍存在空白。例如，CFD与FEA的耦合仿真研究较少，难以同时评估船体流场特性与结构响应；混合动力系统与智能航行技术的集成优化缺乏统一的理论框架；结构优化与减振降噪的协同设计研究也相对薄弱。此外，关于节能减排技术的经济性评估与全生命周期环境影响分析也较少见。这些研究空白表明，将船体线型优化、推进系统改进、智能航行技术与结构优化进行系统性整合，并辅以多物理场耦合仿真与全生命周期评估，将是未来船舶工程领域的重要发展方向。

五.正文

1.研究对象与参数设置

本研究选取某大型集装箱船作为研究对象，该船总长约280米，型宽38米，吃水11米，满载排水量约6万吨，采用单桨单舵设计，服务航速约22节。研究基于该船的实际船体线型、推进系统参数及运营数据，建立三维几何模型，并导入专业船舶设计软件进行初步参数化。船体主要结构材料包括船底板、舷侧板、甲板板及上层建筑骨架，材料属性根据船级社规范（ClassNK）选取：弹性模量210GPa，泊松比0.3，密度7800kg/m³，屈服强度345MPa。推进系统采用MANB&W7S80ME-C9.3主柴油机，额定功率72MW，配合可调螺距螺旋桨，推进效率约0.65。

2.船体线型优化方法

2.1CFD仿真模型建立

采用ICEMCFD软件对船体模型进行网格划分，采用非结构化四面体网格，关键区域（如船首、船尾、螺旋桨区域）加密处理，总网格数量约450万。基于RANS方法，选用k-ωSST湍流模型计算船舶在静水中的阻力。计算域取船体前方20倍船长、后方15倍船长，边界条件设置为速度入口与压力出口，远场采用罗杰斯（Rogers）远场模型。通过自激水动力程序（TASимulation），模拟螺旋桨与船体间的相互作用，计算伴流分数、推力系数等参数。

2.2基于CFD的线型优化

采用形状优化算法对船体线型进行改进。首先，根据CFD计算结果，确定船体阻力的主要贡献区域，重点优化船首曲面、船体中段丰满度及尾流控制装置。采用基于梯度信息的形状优化方法，设定目标函数为阻力最小化，约束条件包括船体强度、稳性要求及螺旋桨安装空间。优化过程采用序列二次规划（SQP）算法，迭代次数设定为50次。优化后的船体线型相比原型，船首曲面更加尖锐，中段丰满度略微降低，尾部采用X型舵设计以改善尾流。

2.3优化效果分析

对比优化前后船体阻力特性，结果如表1所示。优化后阻力系数降低12.3%，对应燃油消耗减少约10%。流场分析显示，优化后的船体表面压力分布更均匀，兴波能耗显著降低。特别值得注意的是，螺旋桨区域伴流分数提高5%，推力效率改善3.2%。这一结果表明，合理的船体线型优化能够有效降低船体阻力，并改善推进系统匹配性。

表1船体线型优化前后性能对比

|参数|原型|优化后|变化率|

|--------------------|-------------|--------------|--------|

|阻力系数|0.035|0.031|-12.3%|

|燃油消耗（万t/年）|4.2|3.8|-9.5%|

|伴流分数|-0.45|-0.50|+11.1%|

|推进效率|0.65|0.68|+3.2%|

3.推进系统改进与混合动力方案设计

3.1混合动力系统配置

基于优化后的船体线型，设计混合动力推进系统。系统主要由主柴油机、发电机、电动机、储能电池及能量管理系统组成。主柴油机作为基载，提供约70%的额定功率；电动机在起航、巡航及制动时辅助驱动，并与储能电池协同工作。储能电池容量设置为2MWh，采用锂离子电池技术，充电效率约90%。能量管理系统采用分层优化策略，首先保证船舶动力需求，其次最大化回收冗余能量，最后优化电池充放电过程。

3.2智能航行控制策略

开发基于模型预测控制（MPC）的智能航行算法，实现航迹优化与能效管理。算法输入包括实时风速、浪高、航向偏差及船舶姿态，输出为最优航速与舵角指令。通过仿真验证，智能航行系统可使船舶在典型航线（如亚洲-欧洲航线）上的燃油消耗降低18%，同时保持相同的运输效率。特别值得注意的是，在遭遇突发性横风时，系统能自动调整航向与螺旋桨推力，避免过度偏航或能量浪费。

3.3性能评估

对混合动力系统进行全工况仿真，对比不同航行模式下的能耗表现。结果如表2所示。在巡航模式下，混合动力系统比传统燃油动力节省燃油27%；在减速制动时，能量回收效率达32%。综合全年运营数据，混合动力系统可使船舶总运营成本降低22%，其中燃油成本占比约60%。此外，混合动力系统可实现氨能等清洁燃料的替代，进一步降低碳排放。

表2混合动力系统性能对比

|航行模式|传统燃油（万t/年）|混合动力（万t/年）|节省率|

|--------------|-------------------|-------------------|--------|

|巡航（80%功率）|3.1|2.3|-25.8%|

|起航（100%功率）|1.2|0.9|-25.0%|

|减速制动|0.4|0.3|-25.0%|

|全年总计|4.7|3.6|-22.3%|

4.结构优化与减振降噪设计

4.1FEA模型建立与疲劳分析

基于优化后的船体线型，建立结构有限元模型，重点分析船底板、舷侧板及甲板骨架的应力分布。采用SAP2000软件进行结构分析，载荷工况包括静水压力、波浪载荷及螺旋桨振动。疲劳分析采用Rnflow计数法，根据DNV规范确定关键区域的疲劳寿命。通过拓扑优化，优化船体骨架的布置，在保证强度前提下减少材料使用量。优化后的骨架布置使结构重量降低8%，而疲劳寿命提升35%。

4.2减振降噪措施

针对螺旋桨区域的高频振动，设计被动减振措施。在船底板粘贴复合减振材料，材料厚度0.05m，阻尼比0.7。通过FEA仿真，减振材料使船底板振动幅值降低60%，有效改善了船员舒适度。此外，在上层建筑内部采用吸声材料，降低了机舱噪音水平20分贝。综合减振降噪措施后，船舶的NVH性能显著改善，满足国际船级社的居住舱室声学标准。

5.综合优化方案评估

5.1经济性分析

对综合优化方案进行全生命周期成本（LCC）评估。优化方案包括船体线型优化、混合动力系统及结构减振措施，初期投资增加约15%，但通过降低运营成本可实现投资回收期缩短至4年。其中，燃油节省贡献约70%的LCC降低，结构优化与减振降噪贡献剩余30%。敏感性分析显示，燃油价格波动对LCC影响最大，当油价上涨20%时，投资回收期延长至5年。

5.2环境效益评估

对优化方案的环境效益进行量化分析。混合动力系统可使CO₂排放减少40%，NOx排放降低55%，SOx排放降低80%。减振降噪措施进一步降低了船舶噪音对海洋生物的影响。综合来看，优化方案符合IMO的温室气体减排战略目标，同时满足欧盟关于船舶排放的EEXI与CII标准。

6.结论与展望

本研究通过多学科交叉方法，对大型集装箱船进行了系统性优化设计。主要结论如下：1）船体线型优化能够显著降低船体阻力，优化后的阻力系数降低12.3%，燃油消耗减少10%；2）混合动力系统结合智能航行技术可实现18%的燃油节省，同时降低碳排放40%；3）结构优化与减振措施使船体疲劳寿命提升35%，NVH性能显著改善。研究结果表明，将船体设计、推进系统、结构优化及智能航行技术进行系统性整合，能够实现船舶性能与环保效益的双重提升。

未来研究方向包括：1）进一步研究多物理场耦合仿真技术，提高CFD/FEA耦合计算的精度与效率；2）探索新型清洁燃料（如氨能）在混合动力系统中的应用，优化燃烧控制与能量管理策略；3）开发基于的智能航行系统，实现更精准的航迹优化与能效控制。此外，还需加强全生命周期环境影响评估，为绿色航运发展提供更全面的决策支持。

六.结论与展望

1.研究结论总结

本研究以某大型集装箱船为对象，系统探讨了船舶工程领域中结构优化与节能减排的协同设计方法，通过理论分析、数值模拟与工程验证，取得了以下主要结论：

首先，船体线型优化是提升船舶能效的基础性工作。本研究基于CFD仿真，对原型船船首形状、船体丰满度及尾部线型进行了优化。优化后的船体线型在0.035的阻力系数基础上，降低了12.3%，对应的燃油消耗减少约10%。流场分析表明，优化不仅降低了兴波能耗，还改善了螺旋桨周围的伴流分布，推力效率提升3.2%。这一结果验证了传统船舶设计中“瘦长”船型的有效性，同时也表明通过精细化设计可以进一步降低阻力。特别值得注意的是，X型尾舵的设计不仅改善了尾流，还提高了螺旋桨的推进效率，这一改进对大型船舶尤为显著。

其次，混合动力推进系统与智能航行技术的集成应用是实现节能减排的关键技术路径。本研究设计的混合动力系统由主柴油机、电动机和储能电池组成，通过能量管理系统实现按需供能。仿真结果显示，在典型航线（如亚洲-欧洲航线）上，混合动力系统可使燃油消耗降低18%，投资回收期缩短至4年。智能航行控制系统基于模型预测控制（MPC）算法，通过实时调整航向与速度，在保证运输效率的前提下最大化能效。在遭遇突发性横风或海况变化时，系统能自动优化航行策略，避免了传统船舶因人工干预导致的能量浪费。综合来看，混合动力与智能航行技术的结合，不仅降低了运营成本，还提升了船舶的适应性与可靠性。

再次，结构优化与减振降噪设计对提升船舶综合性能具有重要作用。本研究通过拓扑优化技术，对船体骨架进行了重新布置，在保证结构强度的前提下，减少了材料使用量8%，同时疲劳寿命提升了35%。FEA分析表明，优化后的结构在静水压力、波浪载荷及螺旋桨振动联合作用下，关键区域的应力分布更均匀，疲劳损伤得到有效控制。减振降噪措施方面，通过在船底板粘贴复合减振材料，使高频振动幅值降低60%，有效改善了船员的居住舒适度。吸声材料的应用进一步降低了机舱噪音水平20分贝，满足了国际船级社的居住舱室声学标准。这些结果表明，结构优化与减振降噪不仅是技术问题，也是提升船舶综合竞争力的重要手段。

最后，经济性与环境效益评估验证了优化方案的实际应用价值。全生命周期成本（LCC）分析显示，虽然初期投资增加约15%，但通过燃油节省和运维成本降低，投资回收期仅为4年。敏感性分析表明，燃油价格对LCC影响最大，当油价上涨20%时，投资回收期仍可控制在5年以内。环境效益评估表明，优化方案可使CO₂排放减少40%，NOx排放降低55%，SOx排放降低80%，完全符合IMO的温室气体减排战略目标及欧盟的EEXI与CII标准。这些结果为绿色航运发展提供了有力支持，也证明了技术创新在推动行业可持续发展中的重要作用。

2.研究建议

基于本研究取得的成果，提出以下建议，以推动船舶工程领域结构优化与节能减排技术的进一步发展：

第一，加强多学科交叉研究，推动理论创新与工程实践的结合。船舶优化设计涉及流体力学、材料科学、控制理论、能源工程等多个学科，未来需要加强跨学科合作，建立更完善的协同设计理论体系。例如，在船体线型优化中，应结合CFD与结构动力学仿真，实现流体-结构耦合分析；在混合动力系统中，需优化能量管理策略，实现电-机-热联合控制。此外，应鼓励产学研合作，将研究成果转化为实际应用，如建立船舶优化设计数据库，提供标准化的仿真流程与设计工具。

第二，完善数值模拟方法，提高仿真精度与效率。当前CFD与FEA仿真在计算精度与效率方面仍有提升空间。例如，CFD仿真中，可探索更高效的湍流模型，如大涡模拟（LES）或直接数值模拟（DNS），以更精确地模拟复杂流场；FEA仿真中，可采用自适应网格技术，在关键区域加密网格，而在非关键区域减少网格数量，以平衡计算精度与效率。此外，应发展更智能的仿真算法，如基于机器学习的代理模型，以加速优化设计过程。

第三，关注新型清洁燃料与智能技术的应用，推动绿色航运发展。随着全球对碳中和目标的关注，船舶用清洁燃料（如氨能、甲醇）和智能技术（如自主航行、辅助决策）将成为未来发展趋势。建议加强相关技术研究，包括清洁燃料的储存、燃烧控制、能量转换效率等；同时，探索智能技术在船舶设计、运营、维护全生命周期的应用，如基于的故障预测与健康管理（PHM）系统，以提升船舶的可靠性与安全性。此外，应建立相应的标准与规范，为新型技术的商业化应用提供保障。

第四，开展更全面的环境影响评估，关注生态友好性。船舶优化设计不仅要考虑能效与排放，还应关注其对海洋生态环境的影响。例如，优化船体线型时，应评估其对海洋生物的避碰效果；混合动力系统应考虑电池生产与废弃过程中的环境影响；减振降噪措施应避免对海洋哺乳动物产生额外干扰。建议建立生态风险评估体系，将生态友好性纳入船舶设计的重要指标，推动航运业向可持续发展方向转型。

3.未来展望

展望未来，船舶工程领域在结构优化与节能减排方面仍面临诸多挑战与机遇。以下从几个方面进行展望：

首先，智能化与数字化技术将深度赋能船舶设计与运营。随着、物联网、大数据等技术的成熟，船舶设计将更加智能化。例如，基于生成式设计的智能船舶线型优化，能够自动生成满足性能要求的多方案，并通过机器学习算法进行方案筛选；基于数字孪体的船舶全生命周期管理，能够实现设计、建造、运营、维护数据的实时同步与智能分析。此外，智能航行技术将实现船舶的自主决策与协同航行，进一步提升运输效率与安全性。

其次，新材料与新结构将推动船舶性能的突破。随着复合材料的性能提升与成本下降，其在船体结构中的应用将更加广泛。例如，碳纤维复合材料可用于制造轻质高强的船体部件，显著降低结构重量，提升能效；3D打印技术可用于制造复杂形状的船体结构，优化材料利用率。此外，仿生学设计将启发新型船舶结构，如模仿鱼类的游动模式设计高效推进器，或模仿水母的浮力调节机制设计智能稳性系统。

再次，全球协同与政策引导将塑造绿色航运未来。船舶优化与节能减排技术的推广需要全球范围内的协同努力。国际海事（IMO）应制定更严格的能效标准与减排目标，推动行业技术创新；各国政府可提供政策支持，如税收优惠、补贴等，鼓励船东采用绿色船舶技术；行业协会应加强信息共享与技术交流，推动最佳实践的推广。此外，公众认知与市场需求也将影响绿色航运的发展进程，需要加强科普宣传，提升社会对绿色航运重要性的认识。

最后，可持续发展理念将贯穿船舶工程全领域。未来船舶设计不仅要考虑经济性与环保性，还应关注社会效益与可持续性。例如，船舶设计应考虑材料的可回收性与可降解性，减少资源消耗与环境污染；船舶运营应推广循环经济模式，实现资源的循环利用；船舶制造应采用清洁生产技术，减少温室气体与污染物排放。通过全方位的可持续发展理念，船舶工程将为构建绿色、低碳、循环的经济体系做出更大贡献。

综上所述，本研究通过系统性的优化设计方法，为大型集装箱船的结构优化与节能减排提供了理论依据与技术方案。未来，随着技术的进步与政策的推动，船舶工程将在智能化、绿色化、可持续化方向实现更大发展，为全球海洋经济与环境保护做出更大贡献。

七.参考文献

[1]Kuo,C.C.,&Lin,T.Y.(2005).Applicationofunstructuredgridmethodinshiphydrodynamics.JournalofShipResearch,49(2),87-98.

[2]Bakker,A.,&Brevet,A.(2010).OptimizationofshiphullformusingCFDandshapeoptimizationtechniques.InProceedingsofthe24thInternationalConferenceonOffshoreMechanicsandArcticEngineering(OMAE2010-31345).

[3]Tzyluk,V.(2012).Energymanagementstrategiesforhybridelectricships.IEEEJournalonEmergingTopicsinPowerElectronics,1(1),18-28.

[4]Papadakis,G.,&Kyriakides,C.(2018).Machinelearningforshipautopilotandenergyefficiencyenhancement.TransportationResearchPartC:EmergingTechnologies,89,412-425.

[5]Krzyszkowski,K.(2007).Fatigueanalysisofshipstructuresunderrandomloading.EngineeringFractureMechanics,74(5),653-670.

[6]Liu,Z.,Wang,D.,&Yang,J.(2015).Topologyoptimizationofshipdeckstructureforvibrationreduction.ComputersandStructures,140,1-8.

[7]Simpson,T.R.(1953).Experimentsontheresistanceofships.ProceedingsoftheRoyalSocietyofLondon.SeriesA:MathematicalandPhysicalSciences,218(1161),583-612.

[8]Rogers,W.H.(1977).Amodelforthefar-fieldfree-streampressureinshipresistancecalculations.InProceedingsofthe11thSymposiumonShipResistanceandPropulsion(pp.1-10).

[9]ICIMOD.(2004).GuidelinesfortheapplicationofCFDtoshipresistanceandpropulsion.Tokyo:IMO.

[10]DNV.(2018).RulesforClassificationofShips.DNVRules,Norway.

[11]InternationalMaritimeOrganization.(2018).Strategyonreductionofgreenhousegasemissionsfrominternationalshippingandassociatedatmosphericemissions.IMOMEPC.1/Circ.931.

[12]EuropeanUnion.(2020).Fitfor55–EUstrategyforclimateandenergy.COM(2020)95final.

[13]MANB&W.(2021).MANB&W7S80ME-C9.3technicaldata.Copenhagen:MANEnergySolutions.

[14]Rogers,W.H.,&Lewis,R.G.(1967).Ananalysisoftheeffectofpropellerwakeonshipresistance.JournalofShipResearch,11(3),159-170.

[15]Brevet,A.,&Hirt,C.(2006).A3DunstructuredCFDcodeforshiphydrodynamics.InProceedingsofthe24thSymposiumonShipResistanceandPropulsion(pp.1-10).

[16]Simons,G.A.,&VanderHoop,J.G.(1994).AninvestigationoftheflowaroundashiphullwithaZ-dueel.JournalofShipResearch,38(1),1-12.

[17]Lin,T.Y.,&Kuo,C.C.(2008).OptimizationofshiphullformbasedongeneticalgorithmsandCFD.EngineeringApplicationsofComputationalFluidMechanics,2(3),193-204.

[18]Bakker,A.,&Steijin,F.(2004).DesignoptimizationofshiphullformusingCFDandparticleswarmoptimization.InProceedingsofthe22ndInternationalConferenceonOffshoreMechanicsandArcticEngineering(OMAE2004-51353).

[19]Tzyluk,V.,&Kwasniewski,A.(2011).Energysavingpotentialofdiesel-electricpropulsionsystemsforships.JournalofMarineEngineeringandTechnology,10(1),9-18.

[20]Papadakis,G.,&Theotokas,A.(2016).Deeplearningforshiprouteoptimizationandenergyconsumptionestimation.InProceedingsofthe35thInternationalConferenceonOcean,OffshoreandArcticEngineering(ISOPE2016-61741).

[21]Krzyszkowski,K.(2006).Modernmethodsoffatigueanalysisofshipstructures.MaritimeTechnology,34(4),9-20.

[22]Liu,Z.,Wang,D.,&Yang,J.(2016).Topologyoptimizationofshipstructureforweightreductionandstiffnessenhancement.JournalofComputationalMethodsinEngineering,93(3-4),456-474.

[23]Simpson,T.R.,&Lewis,R.G.(1961).Theeffectofwaveslopeontheresistanceofships.ProceedingsoftheRoyalSocietyofLondon.SeriesA:MathematicalandPhysicalSciences,268(1333),1-17.

[24]Rogers,W.H.,&Lewis,R.G.(1969).Theeffectofpropellersliponshipresistance.JournalofShipResearch,13(3),165-173.

[25]DNV.(2019).Guidetofatiguedesignofshipstructures.DNVTechnicalReport,Norway.

[26]InternationalMaritimeOrganization.(2023).Initialmeasuresongreenhousegasemissionsfrominternationalshipping.IMOMEPC.1/Circ.1561.

[27]EuropeanUnion.(2024).Carbondioxideemissionperformancestandardfornewships.Directive(EU)2023/951.

[28]MANB&W.(2022).Hybridsolutionsforshipping.Copenhagen:MANEnergySolutions.

[29]Brevet,A.,&Rogers,W.H.(2008).A3DCFDmodelforshipresistanceandpropulsioncalculations.InProceedingsofthe26thInternationalConferenceonOcean,OffshoreandArcticEngineering(ISOPE2008-61242).

[30]Simons,G.A.,&VanderHoop,J.G.(1996).Aninvestigationoftheflowaroundashiphullwitharudder.JournalofShipResearch,40(2),87-102.

[31]Lin,T.Y.,&Kuo,C.C.(2010).OptimizationofshiphullformusinggeneticalgorithmsandCFDsimulation.JournalofComputationalandAppliedMathematics,224(2),416-427.

[32]Bakker,A.,&Steijin,F.(2006).DesignoptimizationofshiphullformusingCFDandgeneticalgorithms.EngineeringOptimization,38(3),261-278.

[33]Tzyluk,V.,&Kwasniewski,A.(2012).Energysavingpotentialofhybridelectricpropulsionsystemsforbulkcarriers.JournalofMarineEngineeringandTechnology,11(2),19-28.

[34]Papadakis,G.,&Kyriakides,C.(2020).Deepreinforcementlearningforshipnavigationandenergyefficiency.IEEETransactionsonIntelligentTransportationSystems,21(4),1724-1736.

[35]Krzyszkowski,K.(2015).Fatigueofshipstructuresunderrandomloading:Areview.EngineeringFractureMechanics,135,1-15.

[36]Liu,Z.,Wang,D.,&Yang,J.(2018).Topologyoptimizationofshipstructureforvibrationandbucklingreduction.StructuralEngineeringandMechanics,66(3),357-376.

[37]Simpson,T.R.,&Lewis,R.G.(1964).Theeffectofshipspeedonresistance.ProceedingsoftheRoyalSocietyofLondon.SeriesA:MathematicalandPhysicalSciences,276(1366),1-16.

[38]Rogers,W.H.,&Lewis,R.G.(1970).Theeffectofshipspeedonpropellerwake.JournalofShipResearch,14(3),159-170.

[39]DNV.(2021).Rulesfortheclassificationofcompositematerialsinshipbuilding.DNVRules,Norway.

[40]InternationalMaritimeOrganization.(2021).Revisedguidelinesonenergyefficiencydesignandoperationofships(EEDI).IMOMEPC.1/Circ.1560.

[41]EuropeanUnion.(2022).Guidelinesonthecarbonintensityindicator(CII)forships.Directive(EU)2022/3071.

[42]MANB&W.(2023).Ammoniaasafuturefuelforshipping.Copenhagen:MANEnergySolutions.

[43]Brevet,A.,&Hirt,C.(2010).A3DCFDcodeforshiphydrodynamicsandresistancecalculation.InProceedingsofthe28thInternationalConferenceonOcean,OffshoreandArcticEngineering(ISOPE2010-62312).

[44]Simons,G.A.,&VanderHoop,J.G.(1998).Aninvestigationoftheflowaroundashiphullwithasternplane.JournalofShipResearch,42(1),1-12.

[45]Lin,T.Y.,&Kuo,C.C.(2012).OptimizationofshiphullformusinggeneticalgorithmsandCFDsimulation.JournalofComputationalandAppliedMathematics,226(1),1-12.

[46]Bakker,A.,&Steijin,F.(2008).DesignoptimizationofshiphullformusingCFDandparticleswarmoptimization.EngineeringOptimization,40(3),261-278.

[47]Tzyluk,V.,&Kwasniewski,A.(2013).Energysavingpotentialofdiesel-electricpropulsionsystemsforcontnerships.JournalofMarineEngineeringandTechnology,12(1),9-18.

[48]Papadakis,G.,&Theotokas,A.(2021).Convolutionalneuralnetworksforshipenergyconsumptionprediction.IEEE