4.3测量船体和螺旋桨性能变化的主要参数

当测量船体和螺旋聚性能的变化时，船舶的对水航速和收到功率作为两个主要参数。 注：即使船体性能不受螺旋桨效率影响，测量螺旋桨推力也是必须的。 对于这些参数，不同的测量方法，使用不同的传感器将获得不同的信号质量。在GB/T40523.2中 规定了默认的测量方法和相关的“最低要求”信号质量值， 如果传感器的最低要求的信号质量不能满足要求，可使用替代的测量方法，但会引人更多的不确定 度。在GB/T40523.3中描述了测量过程的替代方法。对于每个备选方案，规定了所需的信号质量的 最低值以及引人的附加不确定度的估计值。

暖通空调设计、计算4.4测量船体和螺旋奖性能变化的次要参数

必要时使用滤波算法和归一化程序以使参考期和评估期的性能具有充分的可比性，需要测量环境 参数和船舶的运行状态参数。有关的环境参数有： 一 风速和风向； 有义波高、方向和波浪谱：

测量船体和螺旋架性能的变化，涉及三个基本程序步骤，见图1。 测量的精度由其真实度和其精确度组成（见ISO5725）。真实度指测量结果的平均值与实际值（真 直）的接近程度。精确度指单个结果之间的一致性，是重复性和再现性的函数。再现性指在不同的仪 器和操作人员之间以及在较长的时间内使用相同的测量过程所产生的变化。测量程序对性能指标的再 现性有相当大的影响，因此对性能指标的精度也有相当大的影响。 注：程序步骤不一定按上述顺序依次进行。例如，一些数据准备可以作为数据采集的一部分。

图1测量船体和螺旋奖性能变化时的程序步骤

数据采集指从安装在船舶上的相关传感器和设备以及外部信息提供者记录（手动和/或目动）信 号/数据的系统过程。手动数据采集频率通常按每天一次（中午时数据）。通常，自动数据采集频率要 高得多

40523.12021/ISO190

数据准备包括数据的提取、汇编、筛选和验证，使其具有适合进一步处理的结构、格式和质量。然后 计算一组无量纲性能值，反映给定时间段内船体和螺旋架性能的变化。使用性能值的不同子集计算各 项性能指标。数据准备可以部分或完全自动化， GB/T40523.2规定了数据采集、数据存储和数据准备的实际方法，以获得预期的高精度，这是测量 船体和螺旋桨性能变化的默认方法。 GB/T40523.3规定了测量程序的替代方案，并描述了对性能指标预期精度的影响

有关船体和螺旋架性能的 维护、修理和改装活动的有效性，见表

表1四种基本的船体和螺旋奖性能指标（PIs）

5.1坞修性能：本次出坞后船体和

在船舶进坞期间，螺旋桨通常要清洗、抛光和/或修理，水下船体通常要清洗、清仓、修复和重新涂 覆。此外，还可以进行改装以提高船体、螺旋桨或两者的性能。 不能准确地分离出单个因子的效应（例如预处理水平或质量差异、涂装质量或油漆表面特性的影 响）。但是，如果进坞期间只有一个因子的效应子集不同，其他因子都可以合理地假定是相同的，性能指 标可作为这一个因子的效应子集的指标。 该性能指标的计算方法见GB/T40523.2和GB/T40523.3。 注：船舶进坞期间发生的损坏和变形，例如支承块放置不当而引起的鼓胀，将影响测量到的船体和螺旋桨性能，这 是性能指标不确定性的来源

在船舶进期间，螺旋架通常要清洗、抛光和/或修理，水下船体通常要清洗、清仓、修复和重新涂 爱。此外，还可以进行改装以提高船体、螺旋桨或两者的性能。 不能准确地分离出单个因子的效应（例如预处理水平或质量差异、涂装质量或油漆表面特性的影 响）。但是，如果进坞期间只有一个因子的效应子集不同，其他因子都可以合理地假定是相同的，性能指 标可作为这一个因子的效应子集的指标。 该性能指标的计算方法见GB/T40523.2和GB/T40523.3。 注：船舶进坞期间发生的损坏和变形，例如支承块放置不当而引起的鼓胀，将影响测量到的船体和螺旋桨性能，这 是性能指标不确定性的来源，

船舶从出坞到坞期间隔结束时船体和螺旋桨性能的平均变化，可以确定水下船体和螺旋桨坞期间 隔解决方案的有效性，包括坞期间隔发生涂覆及任何维护活动，见图3。 该性能指标的计算方法见GB/T40523.2和GB/T40523.3。 注1：船舶进坞期间发生的间题，例如支承块放置不当而引起的鼓胀，将影响测量到的船体和螺旋浆性能，这是性能 指标不确定性的来源。 注2：螺旋桨结垢和/或桨尖缺损会对船体和螺旋桨的性能产生重大影响。若需单独测量船体性能的变化，在参考 期和评估期内，螺旋浆保持清洁和无损坏是必须的

船舶从出坞到坞期间隔结束时船体和螺旋桨性能的平均变化，可以确定水下船体和螺旋桨坞期间 解决方案的有效性，包括坞期间隔发生涂覆及任何维护活动，见图3。 该性能指标的计算方法见GB/T40523.2和GB/T40523.3。 注1：船舶进坞期间发生的间题，例如支承块放置不当而引起的鼓胀，将影响测量到的船体和螺旋浆性能，这是性能 指标不确定性的来源。 注2：螺旋桨结垢和/或桨尖缺损会对船体和螺旋桨的性能产生重大影响。若需单独测量船体性能的变化，在参考 期和评估期内，螺旋浆保持清洁和无损坏是必须的

标引序号说明： 船体和螺旋桨性能； 时间； DDn 本次干坞期（如果是新船，则提供人坞服 务日期）；

发水下船体和螺旋奖的维修，包括螺 清洗

标引序号说明： H 船体和螺旋桨性能； 一时间； DDn 本次干坞期（如果是新船，则提供人坞服 务日期）；

5.4维修效果：维修事件前后船体和螺

维修事件前后，船体和螺旋架性能变化的测量可以用于确定已经发生的特定维修活动的有效性 螺旋桨和/或船体清洗，见图5。

该性能指标的计算方法见GB/T40523.2和GB/T40523.3。

6性能指标测量的不确定度和精度

GB/T40523.2和GB/T40523.3的方法差异和变化所产生的相对精度是透明的 为决策目的适当使用性能指标，取决于了解不确定度对每项性能指标精度的影响。 对于默认方法，GB/T40523.2和GB/T40523.3提供了关于各项性能指标预期精度的指导。同 样，对于替代方法，GB/T40523.3提供了对各项性能指标预期精度影响的指导。 评估预期精度的框架，见附录A

评估性能分析程序不确定度的方法和假设条件

不确定度分析的目的是描述系统潜在输出范围的概率水平，或估计输出范围超过特定國值或性能 测量目标值的概率18。 与航运业不确定度量化相关的现有文献主要是ITTC推荐程序。这包括与流体力学试验14]有关 的试验结果的不确定度估算的既定方法，例如散水推进试验[13]和阻力试验[14]。这些应用程序在拖叟 水池仿真试验17和海上试验12]中应用。这些方法基于ISO《不确定度测量指南》16]和AIAA《试验不 确定度评定标准》。作为制定本附件所述方法的主要来源的一份关键文件是《测量不确定度表示指 南》7，提供了方法和过程的推导和讨论，其规定程序被许多机构采用

.2不确定度分析方法综述与选择

GUM框架来源于科尔曼（1990年）的工作，他首次引人了精度和偏差误差的平衡处理，他们也描 述了一种处理相关误差和小样本的方法。以科尔曼和斯蒂尔的命名和定义与ANSI/ASME（美国国家 示准学会/美国机械工程师协会）测量不确定度的标准一致，精度误差是总误差的随机组成部分，有时被 称为重复性误差，它对每个测量值都不同，它可能带来不可预测的或随机的时间和空间变化的影响，它 门是由于测量系统可重复性的限制以及设施和环境的影响。偏差误差对数据的离散性没有影响，但它 是总误差固定的、系统的或恒定的组成部分；这对每个测量值都一样。 GUM框架的基本前提是双重的：首先，输出值是在系统误差和随机误差相结合获得整体的不确定 度概率的基础上，其次，它包括表示人们如何知道被测变量的真值，如何量化不确定度概率。这是对传 统误差分析的改进，在传统误差分析中，输出值是加上系统误差和随机误差的最佳估计值。 这就导致了根据不确定度的评估方法对不确定度进行分类：A类不确定度的评估是基于统计方法 或重复值，即从观察到的频率分布得到的高斯分布。B型不确定度评估是基于科学判断（除统计以外的 方法），这是一个贝叶斯推理的特征，基于置信度的先验分布，如果没有特定的知识只能假定要分配的概 率是均匀分布或矩形分布。根据第二个前提，这两种评估都基于概率分布（由方差和标准分布）。分类 不是为了表明性质上的区别， GUM指定了3种分布的传播方法： a）GUM不确定度框架，构成了不确定度传播定律的应用； b）蒙特卡罗（MC)方法； c）解析法。 解析法c)给出不包含近似值的精确结果；然而，它只在最简单的情况下有效，而a)和b)都考虑到近 似值。如果模型是线性并且输入采用高斯法，GUM框架是有效的，该框架遵循AIAA指南4和ITTC 关于流体动力学试验不确定度指南[14]，其中包括喷水推进试验[15]和阻力试验[14117]相关示例。在这些 示例中，传感器测量重复性（相同的条件、设备、操作员和位置）被标识为每个变量的精度极限，并由分布 函数或简单的标准偏差进行描述。每个输入元素的偏差限制可能是一个固定值（平均值)或一个随机 变量，在后一种情况下它应定义区间，如95%置信区间，真值4为该区间内（偏差）的平均结果，任何时 候在相同条件下使用相同设备重复试验，结果都应在95%置信区间内。 如果模型线性和高斯输入的假设不成立，或者这些条件有间题，那么MC方法通常可以得到一个

有效的不确定度。在概率风险评估领域，蒙特卡罗分析可能是应用最广泛的概率方法汀，航运业的相关 列子包括航行试验不确定度分析[121的应用。MC方法另一个优点是输人的不确定度是基于概率分布 而不是将标准的不确定度与每个输人的估计值相关联），因此，不必区分输人值为A型或B型，最后， 得到更为准确的输出值，而不局限于高斯法。 由于船舶性能的模型是非线性的，并且没有广泛的证据表明输人和输出的不确定度都可以用高斯 法表示，因此在GB/T40523.2和GB/T40523.3中选择MC方法估计不确定度。该方法还支持对输人 不确定度变化对整体不确定度敏感度的影响进行稳健的试验研究。对敏感度的研究使我们能够证明假 设的正确性，即哪些输人可以安全地假定对结果的影响可以忽略不计

这项工作采用以下办法，见图A.1： a）识别每个元素的不确定度来源、分类、定义、概率、分布参数； D 仿真船舶的运行状态和性能趋势，以及数据采集、采样和滤波； 采用蒙特卡罗方法对传递误差进行模型和仿真，定义关键源误差不确定度的概率分布（从 第a步） d） 制定输出分布的结果，报告整体不确定度

图A.1性能参数不确定度估计值的仿真方法图

A.4船舶性能监测的不确定度来源

性能指标的若于不确定度来源见图A.2

图A.2不确定度来源

不确定度的主要组成部分：模型不确定度、采样误差、仪器误差和人为误差，将在下文详细讨论

不确定度的主要组成部分：模型不确定度、采样误差、仪器误差和人为误差，将在下文详细讨论

A.4.2仪器不确定度

对于每个包含分析（速度/功率/吃水）的传感器，下列传感器特性适用： 精度：包含在分析中。 肩差：排除，因为如果传感器偏差是恒定的，那么将抵消连续时间周期内的速度损失。如果船 舶在恒功率模式下运行，周期之间的速度差，其影响很小，可忽略不计。 漂移：将影响周期间的速度损失百分比的变化。分析假设传感器保持在校准范围内，漂移可以 忽略不计。在参考文献5中更详细地讨论了漂移的潜在影响。 采样人员测量BF（风速）替代风速计和风向标对于速度损失的不确定度影响在于，不能准确滤波天 影响，方法c)和d)的结果认为天气影响可忽略不计。这是合理的，因为BF参数是一个滤波参数，而 是提取速度损失性能值所需的主要变量， 对GB/T40523.3中定义的主要参数和替代值的不同精度等级的估计在下文中详细说明

A.4.3.1总体要求

与采样频率有关。通过对典型船舶 的运行、环境条件和性能进行统计调查， 性假设估计

A.4.3.2样本容量

根据GB/T40523.2和GB/T40523.3规定的滤波标准，由于滤波而删除的数据的比例取决于船

的环境/操作条件。例如，如果一船舶80%的时间都在风速天于BF4的天气条件下，那么至少80% 的V。测量值将从性能值的估计中被省略，从而减少了用于计算的样本量。在其他条件相同的情况下， 样本量越小，性能值的不确定度越大。被滤波处理拒绝的数据量也是采样频率的函数。如果使用低频 （例如每天）采样，则由于在滤波中使用平均值，通常会滤波掉更大比例的数据。

表A.1连续滤波步骤后剩余数据的百分比（顺序与每个滤波器的相对重要性有关

通过对典型船舶的数据进行测量，估计了滤波对样本容量的影响。假设70%的数据被滤波掉，如 表A.1所示。这是船舶的具体情况，取决于船舶的运行情况；所使用的数值对于不确定度是保守的，不 同船舶之间被滤波的数据量可能有显著差异

A.4.3.3采样频率和平

日课度变化率由加课度能用变化或员行模式（例如仪目慢要课规行）能会在采持频率教 低时（每日）在性能值的量化中引入误差。由于这些原因，在低于每日频率的情况下，在“真实”速度的价 真中引人了运行速度变化率。仿真变化估计值根据典型船舶日平均速度的1.74%（BF>4的数据被滤 波后），用于仿真的假设，包括在基础航速中增加的正态分布噪声。日速度变化率平均化的影响是改变 总速度损失不确定度的偏差（不是精度），这意味着如果基础日速度变化率在不同时段发生变化，那么速 度损失的计算可能会有偏差。这一偏差影响的幅度包含在本附件的计算结果中。平均日吃水变化量 即由于纵倾的变化或由于燃料消耗）的影响不包括在内，可以忽略不计

A.4.4模型不确定度

如果报告不是自动完成的，在操作、读取或记录传感器数值时， ，任何测量都可能发生人为误差（通 日类为仪器不确定度）。例如中午数据可能不会发生在每天相同的时间，时间的记录可能不会进行

整以弥补跨越时区，相同的场所可能使用不同的传感器，例如， 些船员报告的速度可能是螺旋架转速 和其他的对地航速。通过船员观测测量风速也可能存在不确定度。人为误差既难以量化，又难以概括， 因为它取决于船员和操作员的程序，而这些程序因船而异，因公司而异。由于这两个原因，它没有包括 在这个分析中，尽管我们意识到排除这种结果的后果可能是低估了整体的不确定度

A.5用于获取主要和次要参数的不同仪器的精度评作

图A.320艘油船和散货船的对地航速和对水航速差的直方图

除其他信息来源外，来自9艘船舶的样本数据被用于估计收到功率测量的不确定度。所有9艘 都装有轴扭矩计、转速表、燃料流量计，例如，所有9艘船都安装了符合GB/T40523.2一2021附录

图A.4GB/T40523.2一2021附录B和附录C关于收到功率和指示功率之差的直方图

没有数据可定量分析测量的不确定度， 表或从最后停靠港的读数中获得的吃 都具有不确定度。工作组一致认为这两种方法的精度均为0.1m（至1o）

A.6四种标准方法的假定精度汇总

表A.2显示了假定的传感器精度用于不确定度计算，用于GB/T40523.2的两种方法和 GB/T40523.3定义的四种方法

表A.2传感器精度百分比（1

A.6.2仿真船舶参数

作为仿真基础的船舶参数如下： 满载航速=14kn； 压载航速=14kn； 满载吃水=18m； 压载吃水=10m。 这些是大型干湿散货船的数据。将它们作为不确定度仿真基础意味着当描述船舶的数据不相同时 古计性能值不确定度，船舶规格差异引起的不确定度修正量较小，6种方法变量和3种周期持续时间的 相对不确定度将保持一致。

A.6.3仿真运行状态

A.6.4仿真真实推进功率

采用公式（A.1)性能模型，由船舶的航速、吃水和技术参数推导出船舶的真实推进功率。该模型 7=3。该模型和n=3的假定值是采用IMO第三次GHG研究[11I的自下而上的方法，该研究根据 船型的操作数据进行了广泛的验证

式中： P， 瞬时功率，单位为瓦特（W）； V. 一t时刻的航速，单位为米每秒（m/s）； t， 一t时刻的吃水，单位为秒（s）； Pref 航速（Vref）、吃水（tref）时的参考功率，单位为瓦特（W）； 航速与功率的关系指数； 7 性能随时间的退化（如前所述）。 为了进行这一仿真，该模型公式代表船舶所需功率随吃水、航速和污垢的变化而变化。但是，由取 详测量的不确定度引起的仿真偏差只是一个参考，若模型不是实际偏差的精确表达也没关系。因此，上 一条款中所述的速度和吃水关系曲线转化为船舶收到功率

为了简化技术和操作参数范围并使建模足够简单，便于计算，提出若干假设。表A.3列出了 设和理由

A.8性能不确定度的仿真值和估计值的输出

每个时间步长（1d或1/15s)代表了速度损失性能指标的不确定度，该不确定度是每个传播不 度的组合效应，通过模型采用蒙特卡罗方法获得。图A.5是计算出的每个日平均样本的速度损失 比；误差条表示标准偏差。

图A.5平均速度损失百分比的平均和标准偏差条的MC输出

重复进行并计算SEM平均值。 SEM量化了如何准确地知道总体的真实均值。它同时考了SD值和样本量，即给定每个时间步 长的速度损失计算的散点（由于测量的不确定性等），SEM表明实际平均速度损失与采样平均速度损失 的接近程度。95%的置信区间由土2XSEM给定。 任何不确定因素的影响都可能改变速度损失的日变化百分比的精度，或导致结果的偏差。但是，只 要导致偏差的因素在参考期和评估期是一样的，导致偏差的因素就会被抵消。因此，A.8.1中的结果以 给定日不确定度概率分布的精度（标准差）的平均值的标准误差的形式给出

A.8.2性能值不确定度估

表A.4给出了在95%置信区间并使用上述方法计算所得的不确定度。表A.4中的值是绝对不确 是度的规定仿真，所有这些值都假设每年的速度损失率为2.4%。对假设的速度损失率的变化进行灵敏 度测试，没有观察到对绝对不确定度的显著影响，因此可以假定这些值广泛适用于一系列性能值和性能 随时间的变化率。 表A.2列出了GB/T40523.2一2021两种方法（附录B和附录C中描述）的不确定度值，并对其各

自的P。精度范围进行了估算。对于GB/T40523.3一2021中描述的方法，只使用单一的P。不确定度。 本文件的仿真参数和假设采用具有代表性的船舶类型和尺寸。但是，个别船舶的技术和操作细节可能 会在不同部件不确定度的测量方法中产生显著差异。因此，建议在使用这些不确定度量化时，注意确保 关键假设（A.7）的适用性，并将这些结果视为指示值

表A.495%置信区间的不确定度指示值

表A.5最终性能指示值的不确定度

速度传感器的精度是影响不确定度的重要因素之 这在参考文献5中提出的一次一个灵每 析中进行了检验，并使用灵敏度指数对影响进行了比较。仅将速度传感器的精度从5%改变为1

性能值的不确定度将从2.5%变为0.6%（对于特定的GB/T40523.2方法等效传感器配置示例）。

二建标准规范范本A.8.3性能指标不确定度估计

PI量化的不确定度应根据平 式（A.3）。不确定度量化应列人任何包含性能指标值的文档。如果参考期和评估期具有相同的持续时 间，则构成计算输入的平均性能值不确定度将是相同的。在这种情况下，性能指标不确定度是性能值不 确定度与/2的乘积，如表A.4所示。在参考期和评估期的持续时间不相同的情况下，性能指标不确定 度值应由公式（A.3）计算

Ud.cwal———评估期内速度损失百分比计算值的不确定度（至95%置信区间）； U 参考期内速度损失百分比计算值的不确定度（至95%置信区间）

度的估计值对于测量参数与参考期和评估期的

通常，可通过以下任何一种方法降低绝对不确定度： 提高传感器的精度和PI计算输人的测量精度； 增加测量频率； 一延长参考期和评估期。 表A.5和表A.6中的结果表明了不确定度对这些参数变化的敏感性。如果使用非标传感器和测 量的组合，可以引导用户预测不确定度。然而，不同来源的不确定度的相互作用并不简单，所以对于 表A.5中定义的三个标准程序的任何微小变化，需重新应用本附录中描述的方法估计对性能值不确定 度的影响。 PI的不确定度（即不确定度的大小与PI的大小之比)受测量参数和测量程序以及PI大小的影响。 自本文件用于测量性能的微小变化时，与测量性能的大变化时相比，需要更低的不确定度。 本文件并未规定PI的最低不确定度。不同程度的不确定度可能用于不同的应用程序，取决于决策 相关的关键程度或风险

A4.8.4性能指标不确定度的工作示例

最后给出一个工作示例验货标准，展示如何计算性能值的不确定度并得到性能指标。 假设一艘船舶： 在时间t=0的性能值等于0； 性能指标为一2.4，显示每年下降速度为2.4%（由于船体和螺旋浆性能的变化）； 参考期和评估期是一年，如干坞期或服务期的性能指标。 参考期PV为一1.2.评估期PV为一3.6。表A.7显示了每种方法的PV不确定度和上下限（符合