AI在新能源船舶技术中的应用

20XX/XX/XXAI在新能源船舶技术中的应用汇报人:XXXCONTENTS目录01

行业背景与政策驱动02

新能源船舶技术体系03

AI赋能船舶设计与优化04

能源管理与能效优化05

智能监测与故障诊断CONTENTS目录06

智能航行与安全保障07

数字孪生与远程运维08

典型应用案例分析09

技术挑战与发展趋势行业背景与政策驱动01国际减排政策硬性约束国际海事组织（IMO）制定“双阶段减排目标”：2030年单位运输CO₂排放较2008年降40%、2050年降70%，引导技术从“实验室理论”转向“商业化落地”。新能源船舶市场爆发电动与混合动力船舶成为航运业脱碳核心路径，新能源船舶配套设备市场迎来爆发，电动推进、氢燃料电池、碳捕捉系统等技术成为竞争焦点，预计2030年绿色相关产品占比将大幅提升。技术融合赋能升级5G、区块链等技术进一步赋能船舶电子系统。5G+低轨星座混合组网为远程操控与实时数据交互提供可靠保障；区块链技术应用于船舶供应链管理、维修记录追溯等场景，预计到2030年，具备5G通信功能的船舶电子设备渗透率将大幅提升。全球航运业绿色化转型趋势IMO减排战略与政策要求IMO双阶段减排目标

国际海事组织（IMO）制定硬性约束目标：2030年单位运输CO₂排放较2008年降低40%，2050年降低70%，引导技术从实验室理论转向商业化落地。全球航运业排放现状

航运业贡献全球2.8%的碳排放，传统燃油船单位运量碳排放强度是公路货运的3倍，是全球脱碳的关键攻坚领域，2022年全球航运业燃油消耗量达11.7亿吨。政策驱动技术转型方向

IMO政策推动船舶动力系统绿色转型，电动化因能实现运营零排放、适配清洁能源成为优先方向，直接促进锂电池、氢燃料电池、碳捕捉系统等技术发展。中国绿色智能船舶发展政策

01顶层设计：战略规划与目标交通运输部海事局印发《加快绿色智能船舶技术规范体系建设行动计划（2026-2030年）》，提出到2027年绿色船舶技术规范体系较为完善、智能船舶技术规范体系初步形成；到2030年建成完善的绿色船舶、基本完备的智能船舶技术规范体系。

02绿色船舶政策：多维度技术规范构建政策覆盖通用类（如《绿色船舶分级技术规则》）、船舶动力类（如修订《纯电池动力船舶技术与检验规则》、制定《氨燃料动力船舶技术与检验暂行规则》等）、补给设施类、船用产品类及绿色技术类（如《船舶应用碳捕集系统技术指南》），共21项技术规范制修订任务。

03智能船舶政策：分级分类与关键设备要求政策包括通用类（如制定《国内海上智能船舶分级规则》）、船舶类（如《国内海上智能船舶技术与检验暂行规则》）、船用产品类（如《智能船舶自主航行系统性能与测试要求》）及检验测试类，共19项技术规范制修订任务，明确自主航行功能等级划分等技术要求。

04保障措施：协同推进与动态优化建立规范动态优化机制，实时响应技术迭代与行业需求；健全政产学研深度融合技术创新机制；遴选示范项目加速技术研发与产业升级；建立实施效果评估机制，确保规范体系与行业需求协同共进。新能源船舶技术体系02电池动力系统以锂电池、燃料电池等为代表，具有高效、环保、噪音低等优点。如挪威Ampere渡轮搭载1000kWh锂电池系统，实现零排放，运营成本较燃油船低60%。氢燃料电池动力系统以氢气为燃料，通过电化学反应产生电能，具有零排放、高能量密度等优点。但存在储运成本高、基础设施不足等瓶颈，据国际氢能委员会数据，氢燃料船舶的储运成本约为传统燃油的3-5倍。混合动力系统结合传统燃油动力和新能源动力，实现能源的高效利用，降低污染排放。如长荣海运的'新海丰'轮采用Azipod轴带传动系统后，航速12节时的油耗从9.5g/kWh降至6.8g/kWh，可降低20-30%的燃油消耗。甲醇燃料动力系统具备高能量密度与易储存特性。2026年2月中国首支千吨级纯甲醇电动智能船队首航，采用"甲醇发电+锂电储能+变频电控"解耦设计，单次加注续航超1500km，是同吨位纯电动船舶的7倍以上，污染物排放量削减95%以上。新能源动力系统分类与特点锂电池与燃料电池技术应用海事锂电池技术选型与适配锂离子电池因能量密度与循环寿命平衡优势成为主流，NMC电池能量密度150-220Wh/kg，循环寿命超8000次，适配中长途渡轮；LFP电池热失控温度超600℃，盐雾防护性能提升40%，适用于客运船舶等安全优先场景。燃料电池动力系统创新突破氢燃料电池实现零排放、高能量密度，但储运成本为传统燃油3-5倍；氨燃料燃烧产物为氮气和水，理论零碳排放，需解决毒性控制与燃烧稳定性问题，甲醇燃料易储存，中国首支千吨级纯甲醇电动智能船队单次加注续航超1500km。电池技术未来发展方向固态电池实验室能量密度达250-500Wh/kg，可承受800℃高温无泄漏，预计2030年商用；锂硫电池理论能量密度3500Wh/kg，碳纳米管包覆正极材料使循环寿命提升至600次，突破后可满足远洋货船长续航需求。混合动力系统架构与优势

多能源协同供电架构整合风能、光伏、波浪能与传统燃料，构建船舶混合能源系统，实现多能源协同供电，提升能源供应稳定性与多样性。

动力匹配优化策略根据船舶运行特点，优化燃油发动机和新能源动力的匹配，实现能源高效利用，如长荣海运"新海丰"轮采用Azipod轴带传动系统后油耗降低28.4%。

能量回收技术应用通过再生制动等能量回收技术，提高能源利用效率，降低能耗，混合动力船舶燃料效率较传统系统可提升15%-25%。

智能控制系统核心采用先进控制策略，实现对混合动力系统的实时监控和优化控制，如日本三菱重工MHIS-LEAK船采用氨燃料主机和燃料电池混合动力系统，油耗降至传统燃油的60%。AI赋能船舶设计与优化03AI在船舶设计中的工程化应用

船舶规范智能解析与合规性检查船舶行业知识大模型可对SOLAS、MARPOL、船级社规范等海量条文进行结构化理解，辅助设计师快速完成合规性检查，减少人工翻阅资料的重复劳动，帮助船舶设计师查询效率提升10倍、工作效率提升50％。

三维设计与翻模效率提升AI算法可对机舱、上层建筑内的管系、电缆路径进行自动排布，减少现场安装阶段的碰撞与返工。通过元景多模态、视觉大模型对2D设计图纸进行参数和设计要素识别，输出3D建模所需的数据要素，节省40％设计人力，效率提升50％。

水动力性能优化与仿真加速AI代理模型被用于辅助船型线型优化工作，缩短传统CFD仿真计算的迭代时间，支持设计师在更短周期内完成多方案比选，相关技术已在国内主流船舶设计院所形成工程化工具。

工业软件设计智能体与系统协同工业软件设计智能体通过编排技术融合业务知识，以图文档驱动多场景协同，需求解析速度大幅提升。船舶建设管理系统设计说明书生成时间可从3小时压缩至15分钟，全流程效率提升50％，适配工业制造等“高精尖”场景。船型优化与性能仿真技术

AI驱动的船型多方案比选AI算法整合海洋环境数据、船舶结构参数及动力系统信息，可快速生成多组设计方案并筛选最优解。例如，利用神经网络模拟不同船型阻力特性，结合遗传算法优化船体线型，可降低燃油消耗率5%-15%。

水动力性能AI代理模型AI代理模型辅助船型线型优化，缩短传统CFD仿真计算迭代时间。外高桥造船在大型邮轮项目中应用该技术，实现设计过程协同效率提升，设计修改量明显下降。

船舶运动与波浪载荷智能预报AI模型具备强大非线性映射学习能力，预报精度与流固耦合仿真相当，在线预报速度比流固耦合仿真高出5个数量级以上，可在几十毫秒内给出结果，用于船体结构疲劳寿命评估。船舶规范智能解析系统基于元景MaaS平台RAG技术和国产大模型DeepSeek能力，实现船舶设计规范书的图表和公式跨模态检索，设计师查询效率提升10倍，工作效率提升50%。AI辅助翻模设计技术通过元景多模态、视觉大模型对2D设计图纸进行参数和设计要素识别，输出3D建模数据，节省40%设计人力，翻模效率提升50%。工业软件设计智能体融合业务知识，以图文档驱动多场景协同，船舶建设管理系统设计说明书生成时间从3小时压缩至15分钟，全流程效率提升50%。船型线型AI优化工具AI代理模型辅助船型线型优化，缩短传统CFD仿真计算迭代时间，支持设计师在更短周期内完成多方案比选，相关技术已形成工程化工具。智能设计工具与效率提升能源管理与能效优化04AI能源管理系统(AI-EMS)架构多能源协同控制模块整合风能、光伏、波浪能与传统燃料等多能源输入，通过AI算法实现动态功率分配与负荷平衡，如船舶混合能源系统中不同能源的实时协同供电。智能能效优化算法层基于机器学习分析航速、风浪、载重等因素对能耗的影响，给出航线与航速优化建议，如Weathernews与HD韩国现代海洋解决方案公司的OSR-OW系统，可使船舶燃料节省率高达5.3%。实时监测与数据采集层通过工业物联网采集船舶动力系统的振动、温度、压力、电流等实时运行数据，为AI模型提供高质量训练与决策依据，支撑预测性维护与能效分析。决策执行与反馈闭环根据AI模型输出的优化策略，自动调节动力系统运行参数，如实现甲醇电力推进、纯电推进、增程推进等多种模式智能切换，并通过实时数据反馈持续优化决策。航线优化与能耗预测技术

AI航线规划的节能效益AI航线规划工具通过融合天气预报与船舶建模技术，可有效降低船舶燃料消耗。如Weathernews与HD韩国现代海洋解决方案公司合作的OSR-OW系统，在8艘船舶试验中平均降低燃油消耗5.3%，长途航行中表现尤为出色。

多因素融合的智能决策模型AI算法综合分析气象数据（如风、浪、流）、船舶自身状态参数（载重、航速）及航道状况，生成最优航线与航速建议。智慧航海"智飞"号智能集装箱船应用该技术，实现常态化商业运营，提升航行效率。

能耗预测与能效管理系统AI驱动的能效管理系统实时监测分析船舶能耗数据，预测不同工况下的能源需求。某案例中，智能能效管理系统使新能源船舶能源成本降低40%，运营效率提升25%，助力航运企业落实CII、EEXI等国际减排要求。多能源协同控制策略01多能源系统架构与协同目标新能源船舶多能源系统整合风能、光伏、波浪能与传统燃料，通过AI技术实现多能源协同供电。其核心目标是提升能源利用效率、保障系统稳定性、降低碳排放，满足IMO2030/2050减排战略要求。02智能能量管理系统（AI-EMS）AI驱动的能量管理系统通过实时数据分析，优化能源分配策略。例如，某智能能效管理系统使新能源船舶能源成本降低40%，运营效率提升25%，实现了“甲醇发电+锂电储能+变频电控”等多种模式的智能切换。03动态功率匹配与负荷调度AI算法根据船舶运行状态（如航速、载重、海况）和能源供应情况，动态匹配动力需求与能源输出。如混合动力系统通过优化燃油发动机和新能源动力的匹配，燃料效率可提升15%-25%，确保能源高效利用。04基于AI的能源预测与优化决策AI模型结合气象数据、航线信息及船舶能耗特性，预测能源需求与供应趋势，制定最优能源使用计划。如航线优化系统OSR-OW融合天气预报与AI船舶建模，使船舶燃料节省率高达5.3%，提升多能源协同的经济性与环保性。智能监测与故障诊断05基于机器学习的故障预测模型振动信号增强与特征提取技术采用Teager能量算子对船舶电气设备振动信号进行增强处理，可快速准确放大信号且无信息损失；结合小波包分析提取特征向量，实现多层次、多尺度的频域划分，提升特征辨识度与稳定性。卷积神经网络故障预测模型构建构建包含卷积层、池化层、全连接层的卷积神经网络，通过交叉熵损失函数计算误差，利用反向传播算法自动更新网络权重参数。实验表明，训练后的模型故障分类与诊断正确率接近100%，能准确诊断故障类型。数据预处理与模型训练策略对增强后的振动信号进行标准化处理，构建数据集并划分为训练集与验证集。通过监督学习方式对分类器进行多次迭代训练，每次训练后优化性能并更新参数，直至分类准确率满足预设条件，确保模型泛化能力与诊断精度。振动信号采集与预处理方案采用工业级ICP/IEPE加速度传感器（如美国IMI公司603M170型号，频率测量范围0.4~14KHz）进行信号采集，具备高灵敏度和耐温耐腐蚀特性。通过信号调理电路进行隔直、抗混叠滤波及单端转差分处理，确保信号精度与抗干扰能力。振动信号特征提取关键技术采用Teager能量算子增强振动信号的非线性瞬时特征，结合小波包分析方法进行多尺度频域划分，筛选关键特征频段并提取平均能量作为特征向量。此方法能有效放大有用信号且无信息损失，提升后续故障诊断的准确性。基于AI的故障诊断模型构建将提取的振动信号特征向量输入卷积神经网络（CNN）进行训练，通过交叉熵损失函数和反向传播算法优化网络权重。实验表明，该模型对船舶电气设备故障分类与诊断正确率接近100%，可准确识别故障类型并提前预警。信号处理硬件平台实现采用ZYNQUltraScale+MPSoC芯片构建核心控制板卡，集成FPGA与ARM架构，实现振动信号的高速采集与实时处理。模拟量采集板卡搭载16位ADC芯片AD7768，支持多路振动、电压、电流信号同步采集，采样率满足技术指标要求。振动信号分析与处理技术预测性维护与运维成本优化

AI驱动的设备状态监测与故障预警通过采集船舶动力系统的振动、温度、压力、电流等运行数据，运用机器学习算法建立趋势分析模型，对潜在异常进行早期提示。某船舶大数据分析平台使设备故障率大幅降低，维修成本显著减少。

基于振动信号分析的故障诊断技术采用Teager能量算子增强振动信号非线性瞬时特征，结合小波包分析进行多尺度频域划分，提取关键特征向量输入卷积神经网络（CNN）训练，故障分类与诊断正确率接近100%，能准确识别船舶电气设备故障类型。

智能维保知识库与维修策略优化建立智能维保知识库，将维修手册、故障案例、历史解决方案结构化，技术人员可快速查询处理方案。基于AI识别的故障信息，采取针对性维修措施，推动从“定期维修”向“视情维修”过渡，减少突发故障带来的停航风险。

案例：船舶发电机AI故障检测与维修针对船舶发电机转子匝间短路和激磁电流故障，AI技术通过分析运行数据智能识别故障特征，精准捕捉故障征兆，采取针对性维修措施后，设备运行故障问题得到明显改善，提升了设备可靠性和船舶运营安全性。智能航行与安全保障06自主航行系统技术架构

环境感知层：多源传感器融合集成激光雷达、毫米波雷达、可见光/红外摄像机等，实现船舶周围环境的实时监测与障碍物识别。如智能船舶通过多模态感知数据，可提前30分钟预警潜在碰撞风险。

决策规划层：AI算法动态决策采用强化学习、路径规划算法等，结合实时气象、海况数据，生成最优航线与避碰策略。智慧航海"智飞"号智能集装箱船具备智能航行、辅助避碰等功能，已实现常态化商业运营。

控制执行层：精准操控与执行通过自动舵、推进系统等执行机构，实现对船舶航向、航速的精准控制。支持自主靠泊、航向保持等功能，减轻驾驶员工作强度，提升航行稳定性。

数据通信层：船岸协同与交互依托5G、卫星通信等技术，实现船岸间实时数据交互与远程监控。5G+低轨星座混合组网为远程操控提供可靠保障，支持岸基远程驾控系统对船舶的实时干预。环境感知与避碰决策系统

多源传感器融合感知技术集成激光雷达、毫米波雷达、可见光/红外摄像机等多模态传感器，实现船舶周围环境的全方位监测。例如，智能船舶通过激光雷达可精确识别200米内障碍物，毫米波雷达在雨雾等恶劣天气下仍保持稳定探测能力，多传感器数据融合后环境感知准确率达98%以上。

基于深度学习的目标识别与分类采用卷积神经网络（CNN）等深度学习算法，对感知数据进行实时处理，实现对其他船舶、浮标、岛屿、冰山等目标的自动识别与分类。实验表明，该技术对船舶目标的识别准确率超过95%，对小型漂浮物的识别率提升至85%，为避碰决策提供可靠目标信息。

动态障碍物轨迹预测与风险评估利用长短期记忆网络（LSTM）等时序预测模型，结合目标历史轨迹和当前运动状态，预测动态障碍物未来一段时间内的航行轨迹。通过构建碰撞风险评估模型，量化碰撞概率和紧迫程度，可提前30分钟预警潜在碰撞风险，为船员或自主航行系统提供充足决策时间。

智能避碰决策与路径规划基于国际避碰规则（COLREGs），融合强化学习算法，实现智能避碰决策。系统能根据会遇局面（如对遇、交叉相遇、追越等）自动生成最优避让行动方案，包括转向角度、航速调整等，并通过路径规划算法实时更新安全航线。实船应用显示，该系统可使船舶碰撞事故率下降40%，狭窄水域通航效率提升20%。智能减摇与耐波性提升技术

深度强化学习减摇控制方案基于深度强化学习技术开发主动式减摇装置，通过实时分析船舶横摇角度、角速度及波浪频率，动态调整拍动鳍或减摇水舱参数。实验数据显示，该技术可使船舶在6级海况下的横摇幅度降低60%-80%。

智能减摇装置的多海况适配能力智能减摇系统针对规则波与不规则波等不同海况，能够自适应优化减摇策略，显著提升舰载设备稳定性与人员舒适度，尤其适用于军用舰艇、海洋平台等对耐波性要求极高的场景。

船舶运动与波浪载荷智能预报技术人工智能模型具备强大的非线性映射学习能力，在训练数据集参数空间范围内，其预报精度与流固耦合仿真相当，在线预报速度比流固耦合仿真高出5个数量级以上，可在几十毫秒内给出船舶运动与波浪载荷预报结果。数字孪生与远程运维07船舶数字孪生技术应用

全生命周期虚拟模型构建数字孪生技术通过构建船舶全生命周期虚拟模型，整合设计、建造、运营、维护等阶段数据，实现物理实体与虚拟模型的实时映射与交互，为船舶全生命周期管理提供数字化支撑。

设备状态实时监测与运维优化基于数字孪生的船舶设备状态实时监测系统，可动态采集传感器数据，在虚拟环境中模拟设备运行状态，预测潜在故障，提前制定维修计划，降低设备故障率，提升运维效率，某船舶大数据分析平台应用后维修成本显著减少。

船舶性能仿真与优化设计利用数字孪生技术进行船舶性能仿真，可模拟不同航行条件下的船舶阻力、推进效率等性能参数，辅助优化船体线型、动力系统配置等设计方案，缩短研发周期，提升船舶节能环保性能，助力绿色船舶发展。

基于模型的检验测试技术应用数字孪生技术支持基于模型、仿真与数字孪生的检验测试，通过虚拟测试验证船舶航行性能、设备安全、通信系统等，减少实船测试成本与风险，如某智能船舶通过数字孪生技术将测试时间缩短至传统方法的40%，测试覆盖率达98%以上。远程监控与诊断平台多源数据实时采集与传输平台通过工业级传感器（如振动、温度、电流传感器）实时采集船舶动力系统、能源设备等运行参数，依托5G+低轨星座混合组网技术，实现船岸数据的高速、可靠传输，确保监测数据的实时性与完整性。AI驱动的智能诊断与预警运用机器学习算法（如卷积神经网络、LSTM）对采集的振动信号、温度变化等数据进行分析，构建故障预测模型，可提前识别设备潜在故障，如船舶发电机转子匝间短路、电池热失控等，使设备故障率下降40%，维修成本显著降低。数字孪生与远程运维协同基于数字孪生技术构建船舶全生命周期虚拟模型，实现设备状态的可视化呈现与远程模拟调试。结合AI诊断结果，制定精准的预测性维护计划，支持岸基专家通过远程操控系统对船舶设备进行故障排除与参数优化，提升运维效率25%以上。全生命周期数据管理设计阶段数据融合与优化船舶设计阶段整合海洋环境、结构参数及动力系统数据，AI算法快速生成多组方案并筛选最优解，如优化船体线型可降低燃油消耗率5%-15%，缩短传统CFD仿真迭代时间。建造阶段数据驱动与质量控制建造过程中利用工业物联网采集设备数据，结合数字孪生实现可视化管理，激光扫描与机器视觉精度测量系统替代部分人工，提升分段合拢前精度控制能力，某智能仓储物流调度系统使场地周转效率提升。运营阶段能效与安全数据监测运营中实时监测船舶状态参数，AI能效管理系统分析航速、风浪等因素影响，给出航线与航速优化建议，智能诊断系统预测设备故障，某系统部署后设备故障率下降40%，维修成本减少。维护阶段预测性数据应用基于AI的预测性维护技术分析传感器数据，提前制定维修计划，建立智能维保知识库结构化维修手册与案例，技术人员可快速查询处理方案，推动从“定期维修”向“视情维修”过渡。典型应用案例分析08纯甲醇电动智能船队实践中国首支千吨级纯甲醇电动智能船队启航2026年2月6日，由“舜通集601”轮、“舜通集602”轮组成的中国首支千吨级纯甲醇电动智能船队从江苏南京首航，填补了中国千吨级规模化纯甲醇电动智能船队运营的行业空白。自主研发智能动力系统核心优势该船队搭载中国自主研发制造的纯甲醇电动智能动力系统，采用“甲醇发电+锂电储能+变频电控”解耦设计，可灵活实现甲醇电力推进、纯电推进、增程推进等多种模式智能切换。显著的续航与环保经济效益单次甲醇加注续航里程超1500km，续航能力是同吨位纯电动船舶的7倍以上；能源利用效率提升20%，船舶运营燃料成本下降30%以上，污染物排放量削减95%以上。AI在渡轮与货船中的应用

01AI助力渡轮能源效率提升与零排放运营挪威Ampere渡轮搭载1000kWh锂电池系统，AI优化能源管理，运营成本较燃油船低60%，循环寿命达10000次，远超传统燃油发动机8000小时寿命，实现零排放运营。

02AI驱动货船航线优化与能效管理招商轮船部署AI辅助航行系统优化航线规划，单船年均燃油消耗显著降低；智能能效管理系统通过实时数据分析，使新能源船舶能源成本降低40%，运营效率提升25%。

03AI赋能千吨级甲醇电动智能货船多模式切换中国首支千吨级纯甲醇电动智能船队采用“甲醇发电+锂电储能+变频电控”解耦设计，AI实现多种推进模式智能切换，能源利用效率提升20%，续航超1500km，污染物排放削减95%以上。

04AI提升渡轮与货船设备健康管理水平基于AI的预测性维护技术，通过分析传感器数据提前制定维修计划，某船舶大数据分析平台使设备故障率大幅降低，维修成本减少，保障渡轮与货船的安全稳定运行。国际标杆项目技术解析01挪威Ampere全电动渡轮：电池系统与运营优化搭载1000kWh锂电池系统，实测循环寿命10000次，远超传统燃油发动机8000小时寿命，运营成本较燃油船低60%。挪威依托水电资源优势，其工业电价仅为欧盟平均水平的50%，为电动船舶提供低成本能源基础，目前电动渡轮船队已扩张至70余艘。02丹麦Ellen渡轮：中大型船舶电池技术验证2019年投运，搭载4300kWhNMC电池组，经1200次充放电循环（相当于3年常规运营）后容量保持率仍达85%，证实锂电池在中大型场景的稳定性。单次充电续航40公里，年减排2000吨CO₂，航行噪音从燃油船85分贝降至25分贝，实现环保、民生与经济三重效益。03中国“舜通集”纯甲醇电动智能船队：动力系统创新2026年2月首航，采用中国自主研发的“甲醇发电+锂电储能+变频电控”解耦设计，单次甲醇加注续航超1500km，是同吨位纯电动船舶的7倍以上。能源利用效率提升20%，运营燃料成本下降30%以上，污染物排放量削减95%以上，填补千吨级规模化纯甲醇电动智能船队运营空白。技术挑战与发展趋势09新能源动力系统瓶颈传统纯电动船舶存在续航短、补能难问题，如某案例中同吨位船舶续航仅为纯甲醇电动智能船的1/7；氢燃料储运成本高，约为传统燃油的3-5倍，且基础设施不足。智能航行技术挑战复杂海况下传感器精度不足，船岸通信延迟高，网络安全防护薄弱，AI对突发事件决策能力待提升，影响自主航行系统的可靠性与安全性。关键技术突破方向固态电池、锂硫电