高质量数据集典型案例 | 面向绿色船舶螺旋桨多性能数据集

　　推荐单位：中国船舶集团有限公司
　　申报单位：中国船舶科学研究中心
　　一、背景
　　绿色船舶是航运业发展趋势，螺旋桨作为船舶推进系统的核心组件，优化其性能是实现绿色船舶目标的重要途径。中国船舶科学研究中心构建了国内存量第一的高质量螺旋桨水动力、噪声等综合性能数据集，实现了科研类数据的扩充与专家知识融入，满足了螺旋桨智能设计的需求，支撑我国高质量绿色船舶及海洋战略、经济、科技的发展。
　　二、方案和成效
　　一是构建了多源螺旋桨综合性能的数据底座与中台。在满足单位保密要求前提下，构建400TB本地与中央库分层存储数据库，对螺旋桨物理和仿真数据进行自动采集和存储。同时构建了含有拖拉拽数据治理、虚实数据融合等功能的数据中台，实现螺旋桨敞水性能、脉动压力、空泡噪声等综合性能数据统一管理、可视化及智能应用。
　　二是形成了面向绿色船舶目标的民船螺旋桨数据集治理流程。通过融合船舶与海洋专业领域专家经验与物理知识，面向传统船舶螺旋桨性能数据生成方法成本高、周期长，以及需要大量人工及计算资源的痛点问题，对数据集进行智能扩充与特征提取等数据预处理，并在复杂几何参数条件下，满足螺旋桨智能设计的需求，支撑高质量绿色船舶发展。
　　三是实现了数据集产学研用的深度融合。目前，数据集已推广至多家螺旋桨设计及制造企业以及200余艘散货船、集装箱船和大型油轮设计，缩短设计周期约50%，单家单位节约年均试验成本超2000万元；同时降低船舶运行油耗3%以上，年均节约燃油8万吨、减少燃油费用4亿元，减少CO₂排放超24万吨，加速了船舶设计从“经验驱动”向“数据驱动”的转变，推动船舶行业绿色转型与数字化升级。
　　三、创新点
　　一是专家知识辅助的样本扩充技术。针对螺旋桨性能数据样本量少，病态分布的问题，提出了基于专家知识辅助的样本扩充方法，通过补充不同置信度的虚拟数据，显著增加样本数据量，均匀分布，提高模型稳定性与精度。
　　二是物理信息融入的数据特征提取技术。针对螺旋桨几何高维参数在智能建模上复杂度高的问题，引入物理信息融入的特征提取神经网络和集成学习算法，实现性能预测误差<5%，效率较传统方法提升100倍。
　　三是“自生长”的螺旋桨数据集与智能设计系统。突破固定数据集依赖，支持数据自生长与模型的迁移学习，实现“数据即服务”。并通过约束条件输入，实时生成多目标可视化优化方案的全流程数字化螺旋桨设计。