研究课题

本实验室以船舶与海洋结构物为对象，围绕结构完整性评估、数值模拟、数字孪生、浮体式海上风电、海上施工、造船数字化转型与机器人等方向开展广泛研究。
尤其注重将 CFD、FEM、统计方法、机器学习与 AI 有机结合，推动贯穿设计、建造与运维各阶段的综合性研究。

研究领域总览

#

本实验室的研究以 数值孪生、CFD-FEM、海上风机、超大型浮体、极限强度、极限状态后响应、智能建造 以及 海洋结构物可靠性 为核心展开。 通过有机融合实验、数值分析与数据驱动方法，致力于提升船舶与海洋结构物的安全性、可靠性与生产效率。

主要研究主题

#

数字孪生与代理模型

#

为了高精度且高效率地掌握替代燃料储罐及其支撑结构的健康状态，本实验室正在推进数字孪生与代理模型（ROM: Reduced Order Model）的研究。 高精度的 CFD-FEM 分析能够细致再现复杂现象，但也伴随着较高的计算成本。因此，我们针对晃荡等现象，探索利用低维模型与 POD 方法，在显著缩短计算时间的同时保持实用精度。 此外，研究还面向实际结构的监测与结构响应预测等应用。 关键词：Digital Twin、ROM、CFD-FEM、POD、晃荡、结构监测

大型浮体结构物的自适应建造方法

#

与船坞内建造不同，海上风电与 Floatbase 的现场建造会持续受到波浪引起的相对运动影响。 本实验室围绕这一环境下尤为关键的临时固定、临时支撑与定位对接，研究能够根据工况灵活发挥作用的工装与约束方法。 此外，还从工装强度与施工可操作性的角度评估自适应建造方法的可行性，并探索在必要时结合 3D 打印技术制造工装。 关键词：海上施工、自适应建造、工装设计、OrcaFlex、SSODAC、3DP

浮体式风机与 Floatbase 的系泊优化

#

对于部署在大水深海域的浮体式海上风机与 Floatbase，系泊系统设计是决定安全性与经济性的关键课题。 本实验室以链式悬垂系泊、张紧系泊、TLP 等系统为对象，研究如何在风浪复合载荷下高效评估最大响应，并搜索最优设计参数。 通过结合 OrcaFlex 响应计算、POT 统计处理以及 Kriging 响应曲面构建等方法，推进同时考虑不确定性的系泊优化研究。 关键词：FOWT、Floatbase、系泊、OrcaFlex、POT 方法、Kriging

考虑焊接变形的造船工程仿真

#

在造船业面临人手不足与高效率化需求的背景下，利用机器人实现生产过程自动化与优化正受到高度关注。 本实验室以船体分段组装过程为对象，推进在考虑焊接变形的前提下生成机器人作业计划的工程仿真研究。 通过结合 NVIDIA Omniverse / Isaac Sim 等虚拟环境与基于固有应变法、固有变形法的焊接变形评估方法，力求实现更加贴近实际的造船工程再现。 关键词：造船数字化转型、Physical AI、Omniverse、Isaac Sim、焊接变形、工程优化

面向船体分段建造的 LLM 调度器

#

面向未来造船厂中多种机器人协同作业的场景，本实验室也在推进可将任务合理分配给多台机器人的调度器研究。 本研究探索利用 LLM 从作业指令中生成任务结构，并将任务最优分配至各机器人。 同时，结合工程仿真对可执行性进行评估，以实现机器人协同下船体分段建造的高度智能化。 关键词：LLM、任务规划、机器人协同、造船自动化、甘特图生成

基于 GNN 与 PINNs 的 FEM 代理模型开发

#

为实现设计与生产计划的前置化，高性能且低计算负荷的代理模型至关重要。 本实验室正在推进将 GNN（Graph Neural Network）与 PINNs（Physics-Informed Neural Networks）相结合的船体结构 FEM 代理模型研究。 该研究面向应力分析、分段组装分析、矫形分析等应用，目标是构建有助于缩短开发周期、降低成本并提升质量的分析基础。 关键词：GNN、PINNs、FEM、代理模型、前置化、结构分析

未来展望

#

本实验室在传统的结构力学、流体力学与施工工学基础上，正进一步推进融合数据驱动分析、AI 与机器人技术的新型船舶海洋工程研究。
今后也将持续围绕真实海域与实际结构所面临的工程问题，致力于创造支撑更安全、更可持续海洋利用的关键技术。