Baggrund
Reduktion af brændstof og emissioner er afgørende for den maritime industri mod en bæredygtig fremtid. Pålidelig bestemmelse af den forøgede bølgemodstand på sejlende skibe er et vigtigt skridt i den retning, da sejlads dermed kan optimeres; dels i forhold til sejlads i bølger og dels med sigte på monitorering af skibets generelle performance over tid i forhold til bioorganiske begroninger (”fouling”). Hovedformålet med dette PhD projekt er at etablere et beregningsværktøj baseret på datadrevne koncepter igennem anvendelse af procedurer og metoder udviklet indenfor kunstig intelligens (e.g. ”machine learning”, ”deep learning”).
Projekt
Traditionelt baseres bestemmelse af den forøgede bølgemodstand på basis af teoretiske beregninger, da der ikke findes en (selvstændig) sensor, der kan måle denne modstand. Det teoretiske problem og de tilhørende beregninger er dog af en sådan kompleksitet, at der kun findes løsninger for ganske simplificerede situationer. Derfor vil det være interessant med en datadrevet tilgang uden simplifikationer og i stedet baseret på korrelationsstrukturer i målt data fra mange forskellige og allerede tilgængelige sensorer på skibe(t). Projektet tilskrives følgende innovative elementer: (1) Datadrevet bestemmelse af den forøgede bølgemodstand på et skib. (2) Den kombinerede brug af sensorer til bestemmelse af dels forøget bølgemodstand og dels bølgerne selv, da viden om de enkelte dele komplementerer hinanden.
Projektet vil være et projekt, som krydser viden fra tre DTU institutter (DTU Mekanik + DTU Elektro + DTU Compute). Desuden vil projektet have direkte relation til to andre af Fonden støttede projekter; nemlig ’Ship Simulation Workbench’ ( LINK ) og et projekt specifikt vedrørende bølgeestimering (’Sea State Estimation’, LINK ).
Forventede resultater
På det overordnede niveau vil projektet udviklede metoder og numeriske beregningsværktøjer til anvendelse for den maritime industri, særligt rederierne, i deres udvikling mod færre emissioner og lavere brændstofforbrug. På det akademiske niveau er det forventet, at projektet udmønter sig i 2-4 videnskabelige artikler i tillæg til den større offentlige afhandling.