我校机电工程学院疏浚团队魏长赟副教授在疏浚船舶的自主无人控制研究领域取得一系列进展。图1绞吸挖泥船施工作业时的挖掘-输送过程示意绞吸挖泥船是港口航道建设的国之重器。目前绞吸船的挖掘-输送过程控制严重依赖驾驶员的经验和手动操作,面临的难题包括,挖掘-输送过程工序冗繁、劳动强度大,夜间长时间手动操作容易驾驶疲劳,时常引发安全事故;手动操作的经验依赖性强,驾驶员操作水平良莠不齐,优秀驾驶员的操作经验难以积累和传承;海上作业远离陆地,施工环境恶劣,安全风险高,企业招工日益困难;海上绞吸船装机功率通常可达上万千瓦,其挖掘-输送过程的能耗占比超90%,手动操作难以充分发掘设备效能,导致产量低、能耗高。针对挖掘作业过程的自主控制,提出了基于数据驱动的离线强化学习控制方法,利用人工手动操作的多源异构时序数据,采用栈式降噪自编码器进行数据清洗,建立基于卷积网络的状态转移预测模型,进而实现多任务场景下最优操控策略的学习控制(Wei et al.,2023)。图2数据驱动的绞吸船挖掘作业过程离线自学习控制方法框架针对挖掘作业过程的自学习控制,由于常规的强化学习控制方法需要几十万甚至上百万次的试错学习,训练时