Thiết kế, chế tạo thiết bị ghi nhật ký và đo lường gián tiếp mức tiêu hao nhiên liệu máy chính dựa vào tốc độ quay chân vịt và ứng dụng công thức và thuật toán máy học tính toán dự đoán hành trình tiếp theo

TẠP CHÍ KHOA HỌC CÔNG NGHỆ GIAO THÔNG VẬN TẢI, SỐ 35-02/2020 
17 
THIẾT KẾ, CHẾ TẠO THIẾT BỊ GHI NHẬT KÝ VÀ ĐO LƯỜNG 
GIÁN TIẾP MỨC TIÊU HAO NHIÊN LIỆU MÁY CHÍNH DỰA 
VÀO TỐC ĐỘ QUAY CHÂN VỊT VÀ ỨNG DỤNG CÔNG THỨC 
VÀ THUẬT TOÁN MÁY HỌC TÍNH TOÁN DỰ ĐOÁN 
HÀNH TRÌNH TIẾP THEO 
EQUIPMENT ON THE SHIP'S LOG AND INDIRECT FUEL CONSUMPTION 
MEASUREMENT OF MAIN ENGINE BASED ON PROPELLER ROTATIONAL 
SPEED AND APPLYING DESIGN, MANUFACTURING MACHINE LEARNING 
ALGORITHM TO EQUIPMENT ON PREDICTING FUEL FOR NEXT JOURNEY 
Trần Anh Tuấn, Nguyễn Thanh Sơn 
Đại học Giao thông vận tải Thành phố Hồ Chí Minh 
Tóm tắt: Với nhu cầu phát triển ngày càng tăng của đội tàu biển thế giới, nguồn năng 
lượng truyền thống trở nên khan hiếm và giá năng lượng không ngừng tăng, cạnh tranh về cước 
vận tải biển tăng dần. Qua thực tế, việc ứng dụng các công nghệ và giải pháp kỹ thuật mới là 
một trong những biện pháp hữu hiệu, quan trọng để tăng tính kinh tế và an toàn cho việc khai 
thác đội tàu biển. Bài báo trình bày một ứng dụng công thức và thuật toán máy học để tính 
toán, thiết kế, chế tạo thiết bị ghi nhật ký và đo lường gián tiếp mức tiêu hao nhiên liệu máy 
chính dựa vào tốc độ quay chân vịt. Ý tưởng này giúp giảm giá thành sản phẩm, đơn giản hóa 
việc quan tuyến trình tàu, đo lường gián tiếp nhiên liệu tiêu thụ, thống kê nhiên liệu cho chủ 
tàu. 
Từ khóa: Thuật toán máy học, đo lường nhiên liệu máy chính, đo lường thông qua vòng 
quay chân vịt, đo lường gián tiếp nhiên liệu máy chính, công nghệ đo lường nhiên liệu máy 
chính. 
Chỉ số phân loại: 1.4 
Abstract: With demand increasing development of the marine fleet in the world, traditional 
energy sources increasingly scarce and energy prices are increasing, competitive freight sea 
increases gradually, then the application of technology and new technical solutions is one of 
the measures effective and important to increase economy and safety for the mining fleet. This 
article presents a recipe app and machine learning algorithms to calculate, design, fabrication, 
equipment logs, and indirect measurement of fuel consumption of the main machine based on 
the speed of rotation propeller. This idea helps to reduce the cost of products, simplifying the 
online process vessel, indirect measurement of fuel consumption statistics, fuel for ship owners. 
Keywords: Machine learning algorithms, measure the fuel in the main, fuel measurement 
through engine rotations, indirect measurement of fuel in the main measurement technology 
course materials the main machine. 
Classifition number: 1.4 
1. Giới thiệu 
Hiện nay, trên thế giới có nhiều loại thiết 
bị đo lưu lượng chất lỏng theo các nguyên lý 
đo khác nhau như [1]: 
- Lưu lượng kế: Đo theo nguyên lý chênh 
áp; tốc độ dòng chảy; dịch chuyển dương... 
Với ưu điểm: Dễ thực hiện, ít tốn kém. Nhược 
điểm: Gây thất thoát rất nhiều, khó bảo vệ khi 
lắp ráp lên tàu; 
- Ghi lại nhật ký cấp dầu cho máy chính. 
Ưu điểm: Dễ thực hiện, ít tốn kém. Nhược 
điểm: Thủ công, tốn nhân lực và dễ thất thoát 
nhiên liệu; 
- Sử dụng công thức toán học để đo nhiên 
liệu tiêu thụ máy chính. Ưu điểm: Độ tin cậy 
cao, chính xác, hoạt động ổn định, bền. Nhược 
điểm: Giá thành, chi phí lăp đặt tốn kém, rất 
khó tìm ra các thông số hiệu chỉnh phù hợp. 
 18 
Journal of Transportation Science and Technology, Vol 35, Feb 2020 
Bài báo thực hiện tính toán tiêu thụ nhiên 
liệu cho một máy chính. Với mục đích là tìm 
được các hệ số hiệu chỉnh phù hợp với con tàu 
để đưa ra kết quả tương đối chính xác phù hợp 
với thực tế trên con tàu. Vận dụng các thuật 
toán máy học để thiết bị hoạt động ngày một 
hiệu quả và thông minh hơn. Với bộ dữ liệu 
càng nhiều, vì thế, thiết bị có thể sử dụng cho 
nhiều loại máy chính khác nhau. Đồng thời, 
thiết kế, chế tạo thiết bị đo, hiển thị và ghi nhật 
ký tiêu hao nhiên liệu máy chính và thiết kế 
phần mềm thống kê mức tiêu thụ nhiên liệu 
máy chính tàu thủy từ dữ liệu đã được lưu trữ 
trong quá trình vận hành [2]. 
Thiết bị ghi nhật ký và đo lường gián tiếp 
mức tiêu hao nhiên liệu máy chính dựa vào tốc 
độ quay chân vịt bao gồm một thiết bị lắp đặt 
trên tàu ghi nhận các tín hiệu, ghi nhật ký hành 
trình tàu và một phần mềm trên máy tính để 
phân tích dữ liệu ghi nhận được từ thiết bị tính 
ra nhiên liệu tiêu thụ của máy chính. 
Từ các bộ dữ liệu đo được của các chuyến 
hành trình tàu thì nhà quản lý đội tàu có thể 
ước lượng được nhiên liệu cho chuyến hành 
trình tiếp theo để cung cấp cho con tàu một 
cách hiệu quả đảm bảo không thiếu hoặc quá 
dư. Bằng cách áp dụng thuật toán máy học 
(Machine Learning) với thuật toán XGBoost 
(Extreme Gradient Boosting) để đào tạo 
(Training) [7] từ bộ dữ liệu tiêu thụ của máy 
chính ở các chuyến hành trình trước đó. Nhằm 
mang lại sự án tâm và quản ký nhiên liệu hiệu 
quả hơn trong hoạt động khai thác. 
2. Cơ sở lý thuyết và phương pháp 
nghiên cứu 
• Công thức tính nhiên liệu tiêu thụ 
cho máy chính lai chân vịt tàu biển 
Công thức tính tiêu thụ nhiên liệu cho 
động cơ chính thông qua vòng quay chân vịt 
tàu biển được xây dựng dựa trên cơ sở lý 
thuyết như trình bày sau [3]: 
𝑮𝑮𝟐𝟐𝟐𝟐 = 𝑮𝑮𝟎𝟎𝟏𝟏𝟎𝟎𝟎𝟎𝟎𝟎 × 𝟏𝟏𝟏𝟏−𝟎𝟎,𝟐𝟐𝟐𝟐� 𝑻𝑻
𝑻𝑻𝟎𝟎
−𝟏𝟏�
× � 𝒏𝒏
𝒏𝒏𝟎𝟎
�
𝟑𝟑 × 𝟐𝟐𝟐𝟐 × (𝟏𝟏 +
∑𝑪𝑪𝒊𝒊) (1) 
Các thông số cơ bản của công thức tính 
tiêu thụ nhiên liệu tiêu thụ máy chính: 
𝐺𝐺24: Lượng tiêu hao nhiên liệu của máy 
chính, tấn/ngày; 
𝐺𝐺0: Lượng tiêu hao nhiên liệu máy chính 
với công suất và vòng quay định mức, kg/h; 
1000: Số quy đổi đơn vị khối lượng. 
𝑇𝑇: Lượng hàng chở trên tàu tại thời điểm 
tính toán, tấn; 
𝑇𝑇0: Trọng tải của tàu, tấn DWT; 
𝑛𝑛0: Vòng quay định mức của máy chính, 
vòng/phút (v/p); 
𝑛𝑛: Vòng quay toàn tải của máy chính tại 
thời điểm tính toán, vòng/phút (v/p); 24: Số giờ trong một ngày; Ci: Ccác hệ số hiệu chỉnh do các ảnh 
hưởng tác động đến tiêu hao nhiên liệu. 
Các yếu tố ảnh hưởng như kết cấu động 
cơ, tình trạng kỹ thuật, ảnh hưởng của tải trọng 
hàng hoá, tình trạng kỹ thuật vỏ tàu, điều kiện 
khai thác thực tế được hiệu chỉnh. 
• Hệ số ảnh hưởng tình trạng vỏ tàu 
và chân vịt 
Đặc tính chân vịt biểu thị mối quan hệ 
giữa các thông số làm việc của động cơ với tốc 
độ quay hoặc tốc độ tàu khi lượng nhiên liệu 
cung cấp cho mỗi chu trình thay đổi gọi là đặc 
tính chân vịt. Hay sự phụ thuộc các chỉ tiêu 
kinh tế kỹ thuật của động cơ vào tốc độ quay 
của nó khi động cơ lai chân vịt được gọi là đặc 
tính chân vịt. Chân vịt tiếp nhận công suất, mô 
men do động cơ sản ra trừ đi một phần tổn thất 
năng lượng khi truyền từ động cơ đến chân vịt 
[1-2]. 
Để xây dựng được đặc tính chân vịt, ta 
phải giả định rằng lượng nhiên liệu phun vào 
động cơ trong mỗi chu trình thay đổi (dw ≠ 
const) và toàn bộ công suất phát ra của động 
cơ truyền hết cho chân vịt. Khi đó sự biến đổi 
mô men, công suất phụ thuộc tốc độ quay 
được xác định theo biểu thức sau: Ne = C ∗ n3 (2) 
Từ phương trình trên cho thấy với một 
con tàu cụ thể ở một điều kiện khai thác nhất 
định (C = const), công suất có quan hệ bậc ba 
với tốc độ quay của nó. Trong thực tế khai thác 
điều kiện hàng hải luôn thay đổi như khi tàu 
hoạt động trong điều kiện sóng gió thay đổi thì 
hằng số C cũng thay đổi theo điều kiện khai 
thác. Kết quả là ta sẽ có họ các đường đặc tính 
chân vịt. 
TẠP CHÍ KHOA HỌC CÔNG NGHỆ GIAO THÔNG VẬN TẢI, SỐ 35-02/2020 
19 
0
Ne
n
N =
 C .
 n
x
Hình 1. Biểu diễn mối quan hệ giữa công suất với tốc 
độ quay khi lượng nhiên liệu cung cấp 
cho mỗi chu trình thay đổi. 
Công thức tính sự ảnh hưởng trình trạng 
vỏ tàu và chân vịt 
𝐶𝐶1 = 𝑌𝑌𝑘𝑘𝑘𝑘 − 1 (3) 
Trong đó: 
𝑌𝑌𝑘𝑘𝑘𝑘 = 𝜉𝜉𝑘𝑘𝑘𝑘𝜉𝜉0 × 𝜂𝜂0𝜂𝜂𝑘𝑘 = 𝐾𝐾𝑟𝑟 × 𝜂𝜂0𝜂𝜂𝑘𝑘 (4) 
𝐾𝐾𝑟𝑟: Tỷ số tăng tổng sức cản R theo công 
thức của IU.A.Sved: 
𝐾𝐾𝑟𝑟 = 𝑅𝑅𝑘𝑘𝑅𝑅0 = 1 + ∆𝜉𝜉𝑘𝑘𝑘𝑘𝜉𝜉0 = 1 + 1,7(1 − 0,4110,0012𝑇𝑇𝑘𝑘𝑘𝑘)
 (5) 
𝜼𝜼𝟎𝟎
𝜼𝜼𝒕𝒕
= 𝒇𝒇( 𝑻𝑻𝒌𝒌𝒕𝒕): Tỷ số thay đổi hiệu suất 
chân vịt theo thời gian khai thác và được tra 
theo đồ thị; 
𝑻𝑻𝒌𝒌𝒕𝒕: Thời gian tính từ lần lên đà gần nhất 
của tàu. 
• Hệ số tính đến ảnh hưởng của chất 
lượng nhiên liệu dầu sử dụng 
Xuất phát từ công thức tính nhiệt trị nhiên 
liệu ta có: 
𝑄𝑄𝐻𝐻 = (46,704 − 8,802.𝑑𝑑2. 10−6 + 3,167.𝑑𝑑. 10−3) 
�1 − 0,01(𝑥𝑥 + 𝑦𝑦 + 𝑠𝑠)� + 0,0942. 𝑠𝑠 − 0,02449. 𝑥𝑥 (6) 
Công thức xác định hệ số: 
𝑪𝑪𝟐𝟐 = 𝒈𝒈 𝒄𝒄𝒕𝒕𝟐𝟐𝒈𝒈 𝒄𝒄𝒕𝒕𝟏𝟏 = 𝑸𝑸𝑯𝑯𝟏𝟏𝑸𝑸𝑯𝑯𝟐𝟐 (7) 
• Hệ số tính đến ảnh hưởng của điều 
kiện khí hậu môi trường 
Điều kiện khí hậu môi trường (nhiệt độ, áp 
suất...) ở điều kiện khai thác thực tế ảnh hưởng 
thường xuyên đến máy chính trong quá trình 
vận hành, đây là một yếu tố ảnh hưởng tuy nhỏ 
nhưng lại thường xuyên và liên tục tác động 
trực tiếp đến mức tiêu thụ nhiên liệu của động 
cơ. Công thức: 
𝑪𝑪𝟑𝟑 = 𝟏𝟏 𝑲𝑲𝟏𝟏⁄ .𝑲𝑲𝟐𝟐 = 𝟏𝟏𝑷𝑷−𝒃𝒃
𝟕𝟕𝟑𝟑𝟐𝟐
.�𝟐𝟐𝟐𝟐𝟐𝟐
𝑻𝑻
�
𝟎𝟎,𝟕𝟕𝟐𝟐 . 𝟕𝟕𝟕𝟕𝟎𝟎𝑷𝑷 (8) 
Trong đó: 
P: Áp suất không khí; 
b: Áp suất nồi hơi ở điều kiện thai thác 
thực tế; 
T: Nhiệt độ của không khí ở điều kiện 
khai thác thực tế. 
• Hệ số tính đến ảnh hưởng của tình 
trạng biển (điều kiện sóng gió) 
Từ tiêu chuẩn sóng gió, biểu thị hệ số giữa 
lực quán tính, trọng lực và tiêu chuẩn sóng gió 
ta tìm ra được hệ số điều kiện sóng gió tác 
động lên tàu làm ảnh hưởng đến suất tiêu hao 
nhiên liệu theo công thức sau: 
𝑪𝑪𝟐𝟐 = 𝑲𝑲𝒔𝒔𝒈𝒈 − 𝟏𝟏 (9) 
Với 𝐾𝐾𝑠𝑠𝑠𝑠 được tính: 
𝑲𝑲𝒔𝒔𝒈𝒈 = 𝟏𝟏 + 𝑾𝑾𝒂𝒂.(𝑭𝑭𝒓𝒓𝒓𝒓−𝟎𝟎,𝟎𝟎𝟐𝟐) (10) 
Trong đó: 
a: Đặc trưng của sóng, tính theo công 
thức thực nghiệm và được tính theo công thức 
sau: 
𝒂𝒂 = 𝟕𝟕𝟐𝟐
𝑷𝑷𝜹𝜹
𝟐𝟐 (11) 
Trong đó: 
𝑃𝑃𝛿𝛿: Cấp sóng, cấp sóng được quy định 
trong quy phạm do các cơ quan Đăng kiểm 
ban hành. 
Chỉ số Frut biểu thị hệ số giữa lực quán 
tính và trọng lực được tính theo công thức sau: 
𝑭𝑭𝒓𝒓.𝒓𝒓 = 𝒗𝒗�𝒈𝒈.𝒓𝒓 (12) 
Tiêu chuẩn chịu sóng gió: 
𝑾𝑾 = � 𝟏𝟏𝟎𝟎𝟐𝟐 .𝑻𝑻.𝜹𝜹 𝒓𝒓(𝑩𝑩.𝟐𝟐.𝑻𝑻)𝟑𝟑/𝟐𝟐
√𝒓𝒓
𝟑𝟑 (13) 
Trong đó các hệ số tiêu chuẩn trong công 
thức gồm: 
FrL: Hệ số Frut theo chiều dài tàu; 
g: Gia tốc trọng trường, m/𝑠𝑠2; 
T: Chiều chìm của tàu (mớn nước toàn 
tải), m; 
𝛿𝛿: Hệ số béo của tàu (hệ số đầy thể tích 
𝐶𝐶𝐵𝐵 ): 𝛿𝛿 = 𝐷𝐷/(𝐿𝐿.𝑇𝑇.𝐵𝐵) ; 
D: Lượng chiếm nước của tàu toàn tải; 
V: Vận tốc tàu, hl/h; 
L: Chiều dài thiết kế tàu, m; 
B: Chiều rộng tàu, m; 
 20 
Journal of Transportation Science and Technology, Vol 35, Feb 2020 
• Thuật toán máy học (Machine 
Learning) 
Yêu cầu đặt ra cho người quản lý đội tàu 
là cung cấp nhiên liệu hợp lý cho chuyến hành 
trình mới đảm bảo không thiếu hoặc quá dư 
cho tàu. Nhằm giải quyết yêu cầu đó, người 
quản lý cần có nhiều kinh nghiệm để dự đoán 
được nhiên liệu tiêu thụ cho chuyến hành trình 
mới. Chính yêu cầu cùng với sự phát triển của 
khoa học kỹ thuật hiện nay ta có thể dùng 
thuật toán máy học để dự đoán nhiên liệu cho 
chuyến hành trình mới dựa vào các bộ dữ liệu 
từ chuyến hành trình cũ của các con tàu để cho 
ra kết quả tốt hơn. Dựa trên kết quả nhiên liệu 
mà máy học dự đoán được kết hợp với kinh 
nghiệm giúp cho người quản lý đội tàu cung 
cấp nhiên liệu cho đội tàu hiệu quả hơn. 
Theo tàu, ta có các thông số mặc định 
như: 
- Lượng tiêu hao nhiên liệu định mức 
máy chính; 
- Vòng quay định mức máy chính; 
- Lượng hàng chở được; 
- Trọng tải của tàu. 
Khi một chuyến hành trình mới của con 
tàu ta sẽ có giá trị trọng tải thay đổi của tàu. 
Sử dụng giá trị đó kết hợp với vòng quay trung 
bình của một con tàu sau khi kết thúc hành 
trình để làm dữ liệu đầu vào của một con tàu. 
Và kết quả đầu ra của việc dự đoán là nhiên 
liệu của con tàu tiêu thụ trong 1 phút. 
Thuật toán XGBoost (Extreme Gradient 
Boosting). Đây là thuật toán State-Of-The-Art 
nhằm giải quyết bài toán Supervised Learning 
cho độ chính xác khá cao. 
𝒚𝒚 là biến ngẫu nhiên “output”; 
𝒙𝒙 = {𝒙𝒙𝟏𝟏,  ,𝒙𝒙𝒏𝒏} là biến ngẫu nhiên 
“input”; {𝒚𝒚𝒊𝒊,𝒙𝒙𝒊𝒊} là mẫu dữ liệu training; 
𝑭𝑭∗(𝒙𝒙) là hàm mục tiêu ánh xạ 𝒙𝒙 sang 𝒚𝒚; 
𝒓𝒓(𝒚𝒚,𝑭𝑭(𝒙𝒙)) là loss function. 
Mục tiêu của chúng ta tìm được hàm mục 
tiêu 𝑭𝑭∗ sao cho cực tiểu hoá kỳ vọng của hàm 
lỗi. 
𝑭𝑭∗ = 𝒂𝒂𝒓𝒓𝒈𝒈𝒂𝒂𝒊𝒊𝒏𝒏𝑭𝑭𝑬𝑬𝒚𝒚,𝒙𝒙𝒓𝒓�𝒚𝒚,𝑭𝑭(𝒙𝒙)� =
𝒂𝒂𝒓𝒓𝒈𝒈𝒂𝒂𝒊𝒊𝒏𝒏𝑭𝑭𝑬𝑬𝒙𝒙[𝑬𝑬𝒚𝒚(𝒓𝒓�𝒚𝒚,𝑭𝑭(𝒙𝒙)�)|𝒙𝒙] (14) 
Đầu vào: Dữ liệu {(𝒙𝒙𝒊𝒊,𝒚𝒚𝒊𝒊)} 
Bước 1: Khởi tạo hằng số 
𝑭𝑭𝟎𝟎(𝒙𝒙) = 𝐚𝐚𝐚𝐚𝐚𝐚𝐚𝐚𝐚𝐚𝐚𝐚
𝜸𝜸
∑ 𝒓𝒓(𝒚𝒚𝒊𝒊,𝒏𝒏𝒊𝒊 𝜸𝜸) (15) 
Bước 2: for m = 1 to M: 
(A) Compute 
𝒓𝒓𝒊𝒊𝒂𝒂 = − �𝝏𝝏𝒓𝒓�𝒚𝒚𝒊𝒊,𝑭𝑭(𝒙𝒙𝒊𝒊)�𝝏𝝏𝑭𝑭(𝒙𝒙𝒊𝒊) �𝑭𝑭(𝒙𝒙)=𝑭𝑭𝒂𝒂−𝟏𝟏(𝒙𝒙) (16) 
for 𝒊𝒊 = 𝟏𝟏, . . ,𝒏𝒏 
(B) Fit a regression tree to the 𝒓𝒓𝒊𝒊𝒂𝒂 values 
and create terminal regions 𝑹𝑹𝒋𝒋𝒂𝒂, for j = 1..𝑱𝑱𝒂𝒂. 
(C) For j = 1𝑱𝑱𝒂𝒂 compute 
𝜸𝜸𝒋𝒋𝒂𝒂 = 𝐚𝐚𝐚𝐚𝐚𝐚𝐚𝐚𝐚𝐚𝐚𝐚
𝜸𝜸
∑ 𝒓𝒓(𝒚𝒚𝒊𝒊,𝑭𝑭𝒂𝒂−𝟏𝟏(𝒙𝒙𝒊𝒊) + 𝒙𝒙∈𝑹𝑹𝒊𝒊𝒋𝒋 𝜸𝜸) (17) 
(D) Update 
𝑭𝑭𝒂𝒂(𝒙𝒙) = 𝑭𝑭𝒂𝒂−𝟏𝟏(𝒙𝒙) + 𝒗𝒗∑ 𝜸𝜸𝒂𝒂𝑰𝑰(𝒙𝒙 ∈ 𝑹𝑹𝒊𝒊𝒋𝒋)𝑱𝑱𝒂𝒂𝒋𝒋=𝟏𝟏 
 (18) 
2.1. Thiết kế tổng quan 
Tổng thể hệ thống đo lường gián tiếp 
nhiên liệu máy chính tàu thủy 
Hình 2. Hệ thống đo lường gián tiếp nhiên liệu máy 
chính máy tàu thủy. 
Hệ thống bao gồm ba phần chính gồm: 
Thiết kế tổng quan; 
Phần cứng; 
Phần mềm; 
2.1.1. Sơ đồ khối hệ thống 
Tổng quan về hệ thống sẽ vận hành và 
thực hiện các tác vụ theo yêu cầu đã phân tích 
như sau: 
Hình 3. Sơ đồ hệ thống. 
TẠP CHÍ KHOA HỌC CÔNG NGHỆ GIAO THÔNG VẬN TẢI, SỐ 35-02/2020 
21 
2.1.2. Sơ đồ Layout PCB 
Từ sơ đồ hệ thống ta sẽ tính toán và thiết 
kế bảng mạch gắn kết tất cả các linh kiện cho 
phù hợp và đáp ứng đầy đủ các yêu cầu hệ 
thống đặt ra như hình sau: 
Hình 4. Sơ đồ Layout PCB hệ thống. 
2.2. Phần cứng 
2.2.1. Mạch điện 
Hệ thống dùng mạch MUC STM32S4 để 
lấy các tín hiệu như sau: 
- Máy chính gồm: Vòng quay và chiều 
quay; 
- Thực hiện lưu trữ dữ liệu vào bộ nhớ; 
- Giao tiếp với máy tính để truyền nhận 
dữ liệu thông số lưu trữ dữ liệu. 
Hình 5. Board mạch hệ thống. 
2.2.2. Vỏ hộp 
• Mặt trước thiết bị 
Hình 6. Mặt trước vỏ hộp. 
• Mặt sau thiết bị 
Hình 7. Mặt sau vỏ hộp. 
Hình 8. Hộp hoàn thiện. 
2.2.3. Sản phẩm 
Hình 9. Thiết bị hoàn thiện. 
2.3. Phần mềm 
2.3.1. Trên board mạch 
- Code thu thập và xử lý tín hiệu encoder: 
Hình 10. Code lấy dữ liệu vòng quay. 
2.3.2. Trên máy tính 
Phần mềm ứng dụng trên hệ điều hành 
Android với mục đích hiển thị, cập nhật và lưu 
trữ ra tập tin (file) thông tin đo được từ thiết 
bị. 
Hình 11. Phần mềm ứng dụng đo nhiên liệu tiêu hao 
máy chính tàu thủy. 
 22 
Journal of Transportation Science and Technology, Vol 35, Feb 2020 
Hình 12. Cài đặt các thông số tàu vào phần mềm đo 
nhiên liệu tiêu hao máy chính. 
Hình 13. Đồng hồ hiển thị vòng quay và nhiên liệu 
tiêu thụ máy chính. 
- Phần mềm trên máy tính: 
Ta sử dụng ngôn ngữ lập trình C Sharp để 
viết phầm mềm trên máy tính bàn hay laptop 
về phần mềm xử lý, biểu diễn đồ thị và xuất 
các kết quả đã được ghi nhật ký trên máy tính 
bảng Samsung Galaxy Tab3V. 
Hình 14. Hiển thị dữ liệu tiêu hao nhiên liệu 
 dưới dạng biểu đồ. 
3. Kết quả và thảo luận 
Dựa vào công thức phân tích Máy học ở 
trên, vận dụng vào con tàu cụ thể là UT-GLory 
cho ra kết quả chạy thử so sánh đánh giá với 
nhiên liệu đã có. 
Thực hiện training và dự đoán: Tiến hành 
trên bộ dữ liệu 40000 dòng dữ liệu của tàu UT-
Glory có lượng tiêu hao nhiên liệu định mức 
máy chính là 306kg/h, vòng quay định mức 
máy chính là 500 vòng/phút và có trọng tải 
2399 tấn. Chia bộ liệu trên ra 80% cho huấn 
luyện và 20% cho dự đoán. Khi thực hiện 
training 80% dòng dữ liệu sử dụng thuận toán 
XGBoost, cho dự đoán dựa trên 20% dòng dữ 
liệu ta có bảng chênh lệch như sau: 
Hình 15. Kết quả Training dựa vào 
 thuật toán XGBoost. 
Với tỷ lệ như trên, kết quả của việc dự 
đoán ta có thể chấp nhận được để người quản 
lý tàu sử dụng nhằm cấp nhiên liệu cho tàu ở 
chuyến hành trình mới một cách phù hợp. Ta 
thực hiện tính nhiên liệu tiêu thụ của tàu UT-
Glory có: 
- Lượng tiêu hao nhiên liệu định mức máy 
chính 𝑮𝑮𝟎𝟎: 306kg/h; 
- Vòng quay máy chính (giá trị trung 
bình) 𝒏𝒏: 290 vòng/phút; 
- Vòng quay định mức máy chính 𝒏𝒏𝟎𝟎: 500 
vòng/phút; 
- Lượng hàng chở thực 𝑻𝑻: 2000 tấn; 
- Trọng tải của tàu 𝑻𝑻𝟎𝟎: 2399 tấn; 
Tổng số hiệu chỉnh: 𝑪𝑪𝟏𝟏 + 𝑪𝑪𝟐𝟐 + 𝑪𝑪𝟑𝟑 + 𝑪𝑪𝟐𝟐 =
𝟏𝟏.𝟐𝟐𝟕𝟕𝟐𝟐𝟎𝟎𝟕𝟕𝟎𝟎𝟐𝟐𝟏𝟏𝟐𝟐 
Ta có: 
𝑮𝑮𝟐𝟐𝟐𝟐 = 𝟑𝟑.𝟑𝟑𝟐𝟐𝟕𝟕𝟎𝟎𝟕𝟕𝟑𝟑𝟐𝟐𝟕𝟕𝟐𝟐 𝒕𝒕ấ𝒏𝒏𝒏𝒏𝒈𝒈à𝒚𝒚 = 𝟐𝟐.𝟑𝟑𝟐𝟐𝟐𝟐𝟏𝟏𝟑𝟑𝟐𝟐𝟐𝟐𝟑𝟑 𝐤𝐤𝐚𝐚𝐩𝐩𝐩𝐩ú𝐭𝐭 
Sử dụng XGBoost dự đoán: 
𝑻𝑻 = 𝟐𝟐𝟎𝟎𝟎𝟎𝟎𝟎 và 𝒏𝒏 = 𝟐𝟐𝟐𝟐𝟎𝟎 𝒗𝒗ò𝒏𝒏𝒈𝒈/𝒑𝒑𝒑𝒑ú𝒕𝒕 
Ta dự đoán nhiên liệu tiêu hao trong 1 
phút là 2.3448969 kg. 
Chệch lệch giữa công thức 𝑮𝑮𝟐𝟐𝟐𝟐 và thuật 
toán XGBoost là 20kg, giá trị này có thể chấp 
nhận được trong thực tế. Thay đổi: 
𝑻𝑻 = 𝟐𝟐𝟐𝟐𝟎𝟎𝟎𝟎 𝒕𝒕ấ𝒏𝒏 và 𝒏𝒏 = 𝟐𝟐𝟐𝟐𝟎𝟎 vòng/phút 
ứng với chuyến hành trình mới, ta có 𝑮𝑮𝟐𝟐𝟐𝟐 =
𝟏𝟏.𝟐𝟐𝟐𝟐𝟐𝟐𝟐𝟐𝟑𝟑𝟏𝟏𝟕𝟕𝟐𝟐𝟑𝟑𝟐𝟐𝟐𝟐𝟐𝟐𝟐𝟐𝟎𝟎𝟐𝟐𝟐𝟐 𝒌𝒌𝒈𝒈/𝒑𝒑𝒑𝒑ú𝒕𝒕, 
TẠP CHÍ KHOA HỌC CÔNG NGHỆ GIAO THÔNG VẬN TẢI, SỐ 35-02/2020 
23 
XGBoost dự đoán là 1.58526173 kg/phút. 
Chênh lệch 0.000329976445 gần bằng 0 kg. 
4. Kết luận 
Qua mô phỏng thực nghiệm của chuyến 
hành trình thực tế tàu UT-Glory, kết quả mô 
hình đưa ra chính xác với công thức tính toán. 
Trong thực tế khai thác mô hình mô phỏng sẽ 
ghi nhật ký theo từng phút tương ứng với vòng 
quay chân vịt của máy chính khi đó sẽ tính ra 
nhiên liệu tiêu thụ chính xác hơn. Bởi vì tương 
ứng với vòng quay chân vị, công suất động cơ 
sẽ thay đổi, do vậy khi ta tính nhiên liệu ở thời 
gian càng ngắn, kết quả thu được có độ chính 
xác cao. 
Ở đây, ghi nhật ký tính toán ở một phút 
có thể đáp ứng được với chuyến hành trình tàu 
kéo dài hành năm tương ứng với nhật ký, lưu 
ra file có gần 600000 dòng dữ liệu (khoảng 
30000 KB), với dung lượng này thì bộ nhớ 32 
Gigabyte có thể đáp ứng được cho chuyến 
hành trình kéo dài trong thời gian vài năm mà 
không lo bị tràn bộ nhớ. 
Dữ liệu càng nhiều, hệ thống sẽ cho ra kết 
quả càng hiệu quả và chính xác hơn thông qua 
các thuật toán máy học XGBoost. 
Giao thông vận tải là một trong những 
ngành có nhu cầu năng lượng rất lớn, nghiên 
cứu đề tài có ý nghĩa khoa học và thực tiễn 
trong lĩnh vực kinh tế nhiên liệu nhằm mục 
đích góp phần đáng kể vào kiểm soát nhiên 
liệu thất thoát, tạo sự an tâm cho người quản 
lý cũng như thống nhất tránh tranh cãi giữa 
quản lý và đội tàu. Sản phẩm này được ứng 
dụng mang lại hiệu quả kinh tế khá lớn, bởi vì 
khả năng dự đoán và cả kiểm soát nhiên liệu 
tạo sự thống nhất và an tâm từ hai phía quản 
lý và đội tàu trong quá trình vận hành sẽ mang 
lại hiệu quả cao nhất khi khai thác. 
Tài liệu tham khảo 
[1] GS.TS. Lê Viết Lượng, ThS. Nguyễn Anh Việt 
(2008), Giải pháp kiểm soát lượng nhiên liệu động 
cơ diesel tiêu thụ trong quá trình khai thác - 
solutions to control the fuel consumpsion of diesel 
engine during its operation, Tạp chí Khoa học 
Công nghệ Hàng hải (số 13),pp. 70-73. 
[2] ThS. Nguyễn Hùng Vượng, TS. Khiếu Hữu Tiến, 
ThS. Võ Đình Phi, (2010), Tính toán tiêu thụ 
nhiên liệu máy chính tàu biển - calculation of fuel 
comsumption for main diesel engines, Tạp chí 
Khoa học Công nghệ Hàng hải (Số 24),pp. 13-15. 
[3] David A. Schrady, Gordon K. Smyth and Robert 
B. Vassian (1996), Predicting ship fuel 
consumption, Naval Postgraduate School 
Monterey, CA 93943. 
[4] David Hand, Heikki Mannila, Padhraic Smyth, 
Principles of Data Mining, MIT Press, 2001. 
[5] David L. Olson, Dursun Delen, Advanced Data 
Mining Techniques, Springer-Verlag, 2008. 
[6] Hans Otto Kristensen, Marie Lützen (2013), 
Prediction of Resistance and Propulsion Power of 
Ships, Project no. 2010-56, 
Emissionsbeslutningsstøttesystem, Work 
Package 2, Report no. 04. 
[7] Jiawei Han, Micheline Kamber, Data Mining: 
Concepts and Techniques, Second Edition, 
Morgan Kaufmann Publishers, 2006. 
[8] J.M.J. Journée and J.H.C. Meijers (2001), Ship 
Routeing for Optimum Performance, Rapport 
0529-P, 1980, Mekelweg 2, 2628 CD Delft, The 
Netherlands. 
[9] K.J.Rawson and E.C. Tupper (2001), Basic Ship 
Theory, Reed Educational and Professional 
Publishing Lid and of Reed Elsevier plc group, 
Firrst published by Longman Group Linited 1968. 
 Ngày nhận bài: 9/1/2020 
 Ngày chuyển phản biện: 13/1/2020 
 Ngày hoàn thành sửa bài: 3/2/2020 
 Ngày chấp nhận đăng: 10/2/2020