将涂料施用于至少部分浸于水中的人造物体的外表面的方法与流程

本发明涉及将涂料施用于至少部分浸于水中的人造物体的外表面的方法。更特别地，本发明涉及施用涂料的方法，其中该涂料在涂料组中具有最小的阻力等级且其中基于污垢粗糙度值、宏观粗糙度值和微观粗糙度值对该涂料组中的各涂料计算外表面的总粗糙度值。

发明背景

至少部分浸于水中的人造物体(例如船只和船艇壳体和其他水上工具、浮标、钻井平台、石油生产钻塔等)往往由于水生生物体(例如粘泥、绿藻和褐藻、藤壶、贻贝等)而积垢。该类结构通常为金属，但还可包含其他结构材料如水泥或木材。该积垢对船艇壳体有害，这是因为其增加在水中移动期间的摩擦阻力，结果为速度降低且燃料成本增加。其对静态结构如钻井平台和石油生产钻塔的支腿有害，首先是因为积垢的厚层可能不可预测地将结构上的波浪和水流引起的流体动力增加至潜在危险的程度，且其次是因为积垢使得难以检查结构的缺陷如应力开裂和腐蚀。

以固定时间间隔维护该类浸没人造物体对最大化物体的寿命和操作效率是关键的。例如，对于商业航运而言，水下船体的维护通常在船舶的进干船坞期间操作，其中在下水与第一次进干船坞之间或后续的进干船坞之间的时期称为干船坞周期。该干船坞周期通常为3-5年，但可更长或更短。此外，可对螺旋桨和推进系统进行更定期的维护。

就维护这些浸没的人造物体而言，已知将涂料施用于其外部表面。例如，对于船只和船艇而言，可在建造过程期间和在后续的进干船坞时施用涂料以限制船舶的摩擦曳力(frictional drag)或阻力。涂料通常提供船体上的光滑表面并防止由海洋生物体积垢，由此降低船体的有效粗糙度，并降低船只在水中移动时其的阻力。类似地，可将涂料施用于螺旋桨和其他外表面。成功降低阻力可为船舶操作者带来显著益处。维持较低的阻力可产生诸如以下益处的组合：较高的航行速度、较低的燃料成本和降低的环境有害物质如温室气体或多芳族烃颗粒的排放。为了说明，其船体和螺旋桨处于极差条件(即严重积垢)下的船只在与处于良好条件(即相对干净且光滑)下的等效船只以相同速度操作时可多燃烧40％的燃料并多排放40％的温室气体。

在至少部分浸于水中的固定人造物体(例如近海钻井平台)的情况下，较低的阻力可使得移动水对物体所施加的力减小，这将使例如物体的较轻的设计成为可能。

可获得大量涂料，其中每个提供其自身的积垢控制特性。选择适当涂料或涂料的组合对于例如船舶所有者以在延长时间段内，优选至少在即将来临的干船坞周期的预期持续时间内实现所需的阻力降低是关键的。

如WO 2013/092681中所述，可基于与施用所选涂料之后船舶预期行进的区域相关的积垢风险来选择保护性涂料。虽然该方法可用，但申请人发现存在改进的空间。

EP 1484700 A涉及一种确定与在船舶的水下部分上施用和使用污垢释放或抗积垢涂料组合物相关的成本的方法。该文献中所述的方法需要确定或计算船舶的水下表面的积垢程度，并将船舶的所预测的额外燃料成本与积垢的程度相关。该文献中所述的方法的缺点在于所预测的额外燃料成本的精确度和准确度不是很高。因此，该方法可靠地确定任何具体船舶的基材制备与积垢控制涂料选择的最佳组合的能力低。因此，需要改进且更精确和准确的方法。

概述

本发明的目的是公开将涂料施用于至少部分浸于水中的人造物体的外表面的新颖且改进的方法。

本公开内容的一个方面涉及将涂料施用于至少部分浸于水中一段时期的人造物体(例如船舶或近海钻井平台)的外表面的方法，其中在物体的浸没表面上有水流。所施用的涂料对于至少两种涂料的组而言具有最小阻力等级。

该方法包括计算机实施的涂料选择过程，该过程包括对于涂料组中的各涂料，基于与各涂料相关的污垢粗糙度值、宏观粗糙度值和微观粗糙度值获得外表面的总粗糙度值的第一步骤。

应理解，污垢粗糙度值可涉及与海洋积垢生物体的沉降相关的粗糙度。贯穿本发明的污垢粗糙度值并非海洋积垢生物体粗糙度的实际物理量度，而是由流体动力学的观点来看将对曳力和流动结构具有与污垢一样的影响的有效物理粗糙度的量度。

还应理解，宏观粗糙度值可主要涉及源自物体的外表面的要素的粗糙度要素(例如板波纹、折叠板、焊接缝、螺栓或其他突出物、钢剖面、物体的腐蚀或对物体的损坏)，和源自基材制备和漆施用方法的粗糙度要素(例如涂料粗糙度和涂料缺陷(例如流垂、流挂和飞漆))。

还应理解，微观粗糙度值涉及低于宏观粗糙度值的粗糙度值。其可主要涉及源自涂层材料的表面的粗糙度要素。

涂料选择过程包括在第二步骤中由涂料组选择涂料，其中所选涂料在一段时间内具有与所获得的总粗糙度值相关的最小阻力等级。

该方法进一步包括将所选涂料施用于人造物体的外表面。

该方法可涉及对与污垢粗糙度值、宏观粗糙度值和/或微观尺度粗糙度值相关的参数的测量或估算。关于污垢粗糙度值可测量或估算的参数的实例为一段时期内涂料上的生物污垢的类型、分布、密度和生长速率。

关于宏观粗糙度值可测量或估算的参数的实例涉及每一截止长度的幅值、空间和混合参数(幅值与空间参数的组合)。适当地，Rt₅₀(即在50mm截止长度下最大峰至谷高度)为宏观粗糙度值的量度，如通过触针式探针轮廓仪、激光轮廓仪或白/蓝光干涉仪等所测量。测量可在入坞(新建和维护和修理)期间在水下船体区域上进行。对于坞内调查，在测量宏观粗糙度值之前，使用高压淡水洗涤适当地去除污垢粗糙度。若存在，则明显区域(例如广泛机械损伤)可由调查排除。

关于微观粗糙度值可测量或估算的参数的实例涉及每一截止长度的幅值、空间和混合参数(幅值与空间参数的组合)。适当地，Ra₅(即轮廓高度与平均线的偏差的绝对值的算术平均值，在5mm截止长度的评估长度内记录)可用于测量微观粗糙度值。作为替换，可在入坞(新建和维护和修理)期间在水下船体区域上产生表面印记并稍后在实验室中进行评审。测量可使用触针式探针轮廓仪、激光轮廓法或白/蓝光干涉仪进行。

然后，关于污垢粗糙度值、宏观粗糙度值和微观粗糙度值所测量或估算的参数可全部以通用参数表示，这使得能够将三个参数简单相加得出总粗糙度值。例如，污垢粗糙度值、宏观粗糙度值和微观粗糙度值可表示为等效砂粒粗糙度高度k_s。对于特定粗糙度的等效砂粒粗糙度高度为均匀紧密堆积的砂的高度，其在全扩展的湍流方案中给出与特定粗糙度相同的粗糙度函数。

申请人认识到在施用涂料时，应考虑多个参数并应基于污垢粗糙度值、宏观粗糙度值和微观粗糙度值计算人造物体的外表面的总粗糙度值。此外，申请人意识到每种特定涂料以特定方式影响污垢粗糙度值、宏观粗糙度值和微观粗糙度值。例如，第一涂料可对污垢粗糙度值具有非常正面的影响，但对宏观粗糙度值和微观粗糙度值具有非常负面的影响，这可能导致对总粗糙度值的整体上负面的影响。而例如第二涂料可对污垢粗糙度值、宏观粗糙度值和微观粗糙度值具有中等正面影响，这可能导致对外表面的总粗糙度值的整体上正面的影响。在该实例中，第二涂料将为最佳选择。在一个实施方案中，选择过程额外考虑涂层材料的成本和施用的成本。更特别地，若在更长的维护间隔和/或燃料节约方面的预期益处将超过与该涂层材料或其施用相关的任何更高的成本，则将仅选择具有最低总粗糙度值的涂料。至少部分浸于水中的人造物体可为预期在水中移动至少一些时间的船舶(例如船只、船艇或其他水上工具)或至少部分浸于水中的静态结构(例如预期基本静止的近海钻井平台)。

应理解，术语“涂料(coating)”可为指涂料物质，但该术语还可指用于施用涂料的技术或是指涂覆方案。例如，涂料组可包含使用两种不同技术施用的两种相同涂料物质。涂料还可包含由不同涂料组合物制备的多个层。

时间段可为任何合适该时间段，例如船舶的干船坞周期，即船舶下水与其第一次干船坞之间或后续干船坞之间的时期。该时间段可为例如三年或五年或可更短或更长。

应理解，污垢粗糙度值、宏观粗糙度值和微观粗糙度值的至少一个可具有时间依赖性并在时间段内变化。因此，所计算的外表面的总粗糙度值还可具有时间依赖性并在时间段内变化。所计算的总粗糙度值以及污垢粗糙度值、宏观粗糙度值和微观粗糙度值可包含多个值，其中每一值与时间段中的特定时间或时间跨度相关。作为实例，所计算的总粗糙度值可在图上绘制为曲线，垂直轴上为总粗糙度值且水平轴上为时间。

应进一步理解，基于对于涂料组中的各涂料所获得的每一总粗糙度值，可计算相关的阻力等级，从而产生阻力等级组。所选涂料的最小阻力等级可为阻力等级组中的最低阻力等级。

最小阻力等级可表示船舶在水中移动时的拖曳阻力。最小阻力等级还可表示至少部分浸于水中的静止物体所经历的来自水在物体的浸没表面上移动的摩擦力。

在一个本文中所公开的实施方案中，与各涂料相关的污垢粗糙度值的计算可包括以下步骤。第一步骤涉及存取粗糙度数据库，该粗糙度数据库将各涂料和在时间段期间预期人造物体所位于的至少一个地理区域的组合与静态污垢粗糙度值相关。

由于恒定或周期性施加的剪切力(例如大于约5节的水的流速)，在动态条件下沉降的生物污垢产生较少的生物污垢累积、较光滑的表面和较低的污垢粗糙度值。为此，引入粗糙度调整因子以计算静态与动态生长之间的污垢粗糙度值差异。调整因子为修正污垢粗糙度值的简单乘法因子。

静态污垢粗糙度值为当所涂覆的物体经受恒定或周期性剪切力(例如小于约5节的水的流速)时产生的污垢粗糙度值。相应地，动态污垢粗糙度值为当所涂覆的物体经受恒定或周期性施加剪切力(例如大于约5节的水的流速)时产生的污垢粗糙度值。在动态条件下沉降的污垢产生较少的污垢累积、较光滑的表面和较低的污垢粗糙度值。为此，引入污垢粗糙度值调整因子以计算静态与动态条件之间的污垢粗糙度值差异。调整因子为修正污垢粗糙度值的数学因子。第二步骤涉及由数据库检索静态污垢粗糙度值。第三步骤包括通过计算在时间段期间人造物体的预期活动来将静态污垢粗糙度值转换为动态污垢粗糙度值。第四步骤涉及基于动态污垢粗糙度值计算污垢粗糙度值。

应理解，粗糙度数据库可包含多种涂料和多个地理区域，且粗糙度数据库可包含如WO 2013/092681第8页第22行至第9页第29行所公开的涂料与地理区域的每一独特组合的单独静态污垢粗糙度值。粗糙度数据库可进一步包含经验数据。粗糙度数据库可进一步包含计算数据。计算数据可为内插数据。

人造物体在时间段期间预期行进、位于或接触的地理区域可包含在时间段期间船舶预期航行的贸易路线。

计算人造物体的预期活动可包含使用基于预期活动的活动因子。预期活动可包含船舶预期航行的持续时间与船舶预期静止的持续时间之间的比率。活动因子可经选择以反映静止物体可通常比移动物体更大程度上积垢的风险，且因此静止物体可具有更高的污垢粗糙度值。对于静止物体(例如近海钻井平台)而言，动态污垢粗糙度值可等于静态污垢粗糙度值。

静态污垢粗糙度值可为表示在一个特定时间的预期静态污垢粗糙度值的一个值，其中该特定时间可为在该时间段结束时。例如，船舶可预期航行经过地理区域I，且涂料B在涂料组中，且该时间段为五年的干船坞周期。然后，与I与B的组合相关的静态污垢粗糙度值可表示在五年时期结束时的预期静态污垢粗糙度值。

动态污垢粗糙度值还可包含表示在一个特定时间的动态污垢粗糙度值的一个值。基于动态污垢粗糙度值计算污垢粗糙度值可包含基于污垢粗糙度随时间的预期变化计算污垢粗糙度的多个值。取决于浸没时期，物体的浸没表面可积垢至更大程度。通常而言，物体积垢的风险将随更长的浸没时期而增加，使得已浸没较长时期的物体可具有较高的污垢粗糙度值。例如，污垢粗糙度值随时间的预测变化可为污垢粗糙度值随时间呈指数增长。作为替换，污垢粗糙度值随时间的预期变化可为污垢粗糙度值随时间呈线性、逐步或对数增长。

实施方案使得能够计算人造物体在时间段期间的预期活动。可预期约100％活动的人造物体(例如大部分时间处于航行的船舶)比约0％活动的人造物体(例如大部分时间处于静止的船舶或静止物体)积垢更少。此外，通过应用污垢粗糙度值随时间的预测变化，可基于动态污垢粗糙度值计算该时间段中的任何时间的污垢粗糙度值，且因此使得能够使用污垢粗糙度值随时间的多个值的计算来选择涂料，其中多个值的每个值表示在该时间段中的特定时间的污垢粗糙度。

在另一所公开的实施方案中，得到与涂料组中的涂料与地理区域的组合相关的至少一个静态污垢粗糙度值。第一步骤涉及由污垢数据库检索与去过该地理区域的至少部分浸于水中且向其施用涂料的多个人造物体的污垢相关的参数。第二步骤涉及基于多个人造物体中的每个人造物体的参数计算污垢得分，得到污垢得分。第三步骤涉及计算污垢得分的代表值。第四步骤包括由将所计算的污垢得分的代表值与静态污垢粗糙度值相关的表格获得静态污垢粗糙度值。

与至少部分浸于水中的多个人造物体的污垢相关的参数可在选定时期(例如船舶的干船坞周期)期间在人造物体上测量。与污垢有关的参数可包含数个子类别以计算可存在于浸没表面上的不同类型的污垢生长的程度和严重性。例如，该类子类别可包括以下中的至少一个：外表面经轻质粘泥的覆盖百分比、外表面经中等粘泥的覆盖百分比、外表面经重质粘泥的覆盖百分比、外表面经杂草的覆盖百分比、外表面经轻质动物积垢的覆盖百分比、外表面经重质动物积垢的覆盖百分比。

应理解，计算污垢得分的代表值可涉及计算污垢得分的算术平均值。其还涉及计算加权平均值或任何其他类型的平均值，例如中值、三次平均值(cubic mean)或中列数或众数值。

对于涂料组中的各涂料，实施方案使得能够使用与已浸于地理区域中的水中的人造物体的污垢相关的许多历史性测量。在该类实际测量上建立静态污垢粗糙度值能够获得更好的结果。

在实施方案中，将多个人造物体划分为至少两个子组。至少两个子组的每一个与污垢得分的相应范围相关。相应范围不重叠且每一子组仅包含具有每一子组的相应范围内的污垢得分的人造物体。对于每一子组计算单独代表值，且随后计算单独静态污垢粗糙度值、单独动态污垢粗糙度值、单独污垢粗糙度值和单独总粗糙度值。

可将多个人造物体划分为三个子组。第一子组可包含例如70％的多个人造物体，其中第一子组中的每一人造物体比第二和第三子组中的每一人造物体具有较低的污垢得分。第二子组可包含例如20％的多个人造物体，其中第二子组中的人造物体各自具有比第一子组中的每一人造物体高的污垢得分，且第二子组中的每一人造物体具有比第三子组中的每一人造物体低的污垢得分。第三子组可包含例如10％的多个人造物体，其中第三子组中的每一人造物体具有比第二子组中的每一人造物体高的污垢得分。

实施方案使得能够通过在三个不同子组之间进行区分改进静态污垢粗糙度值得到。其防止所计算的污垢得分的代表值向可由几个具有非常高的污垢得分的人造物体所引起的较高值偏斜。实施方案还能够计算各涂料的三个阻力等级。

在一个实施方案中，宏观粗糙度值通过基于初始基材宏观粗糙度得分、涂料宏观粗糙度得分和时间依赖性宏观粗糙度得分的至少一个计算宏观粗糙度得分得到。初始基材宏观粗糙度得分可取决于施用涂料之前外表面的准备。对于钢物体(例如船只和船舶)的维护和修理，船体的外表面的常用实践为在准备重新涂覆时实施技术如刮平、电动加工、低压或高压水洗涤、高压水力喷洗或喷砂准备用于施用涂料。外表面的准备可包括全喷砂，其中浸没的整个外表面的所有涂层均通过喷砂去除，且不覆盖裸露的外表面。准备还可为“局部喷砂”，其中仅去除外表面的选择区域(例如其中现有涂料处于不良条件下的区域)的涂层，且其中仅在该类选择区域中不覆盖裸露的外表面。应理解，外表面的准备还可通过喷砂处理的外表面的百分比。例如，其中一种处理中的选择区域占总外表面的50％且其中另一处理中的选择区域占总外表面的70％的两种局部喷砂处理可视为两种不同的准备。准备还可为外表面不通过喷砂处理。对于新建造的船舶而言，船体的外表面的常用实践是完全喷砂以为涂覆做准备。涂料宏观粗糙度得分和时间依赖性宏观粗糙度得分可取决于要施用至物体的涂料产品。对于不同的单独涂料产品可选择不同的涂料宏观粗糙度得分和时间依赖性宏观粗糙度得分。作为替换，不同涂料产品可根据不同通用技术分类来分类。污垢控制涂料可例如分类为污垢释放、杀生物污垢释放、自抛光共聚物(SPC)、线性抛光聚合物(LPP)、自抛光(SP)、可控消耗聚合物(CDP)、烧蚀、自抛光混合物(SPH)、水解、离子交换或另一涂覆技术中的至少一个。

实施方案使得能够区分对于宏观粗糙度得分的不同促成因子(contributing factor)，其中各涂料的每一促成因子可不同。

在一个实施方案中，微观粗糙度值通过基于初始微观粗糙度得分和时间依赖性微观粗糙度得分计算微观粗糙度得分和通过基于微观粗糙度得分计算微观粗糙度值得到。初始微观粗糙度得分和时间依赖性微观粗糙度得分可由实验室中实施的测量得到。初始微观粗糙度得分可通过各种技术(例如触针式探针轮廓仪、激光轮廓仪或白/蓝光干扰法)测量，从而在2或3个尺寸上来表征表面粗糙度。这些测量可建立关于表面特征的性质的细节，例如幅值、波长等。时间依赖性微观尺度得分可通过例如使用水槽、盘式转子、鼓式转子或其他技术使涂层表面暴露于流动的海水并周期性测量涂层表面的微观粗糙度的变化测量。

实施方案使得能够使用实验室测量计算船体的微观粗糙度值。

在一个实施方案中，外表面分段为至少两个区段。且外表面的总粗糙度值是第一区段的总粗糙度值与第二区段的总粗糙度值的组合。

组合可为加合，其中每一区段的总粗糙度值以区段特定因子加权。区段特定因子之和可等于1。区段特定因子的值可反映每一区段的近似相对表面积并可根据至少部分浸于水中的人造物体而不同。实施方案使得能够单独计算外表面的每一区段的总粗糙度值。

在另一实施方案中，将外部浸没表面(例如船体的外部浸没表面)分段为区域。区域的实例包括水线带部分(boot top part)、垂直侧部分和平底部分、船首部分、水线肩部部分、船尾部分、螺旋桨部分或船体的其他部分。在一个优选实施方案中，船体的外部浸没表面分段为选自水线带部分、垂直侧部分和平底部分的区域。

船体的总粗糙度值可为船体的每一区段的总粗糙度值的组合，例如水线带部分的总粗糙度值、垂直侧部分的总粗糙度值和平底部分的总粗糙度值的组合。组合可为加合，其中船体的每一区段的粗糙度经因子加权，例如水线带部分经水线带因子加权，垂直侧部分的粗糙度经垂直侧因子加权，且平底部分的粗糙度经平底因子加权。实施方案使得能够单独计算船体的每一部分的粗糙度。

在一个实施方案中，最小阻力等级基于总粗糙度值、人造物体的形状和大小和人造物体的运行速度的至少一个通过计算流体动力学模型计算。实施方案使得能够精细地得到与在时间段期间所获得的粗糙度相关的阻力等级。物体的运行速度可随时间变化。适当地，使用平均运行速度或更详细的速度概况。

在一个实施方案中，所选涂料经构造以保护以防积垢、腐蚀、固体和液体颗粒磨损、由UV吸收和冰所致的劣化。实施方案使得能够施用不同类型的涂料。

在另一实施方案中，至少部分浸于水中的人造物体的外表面包含船舶的船体。

当污垢粗糙度值超过某一临限值时，总体粗糙度值可由污垢粗糙度值支配。在该类情况下，可忽略宏观粗糙度值或微观粗糙度值的改变。

本发明的方法还非常适于预测涂覆有所选涂料的船体的动力需求、燃料消耗和温室气体排放。这使得船舶操作者能够准确预测由选择特定涂料所产生的经济优势。因此，在一个优选实施方案中，对于涂覆有所选涂料的船舶船体计算使船舶以所需速度移动的动力需求。总粗糙度值可与具有特定船体形状和大小的特定船舶的拖曳阻力相关，其又可与所需船舶速度下的动力需求相关。该些数据可例如由含有特定船舶的历史性或经计算的动力需求和拖曳阻力数据的数据库提取。在另一实施方案中，将动力需求转化为预测的燃料消耗。在其中船舶通过化石燃料驱动的情况下，可使特定涂料的选择与温室气体排放相关。

本公开内容的其他方面涉及该方法中所使用的计算机程序和非暂时性计算机可读储存介质。

如本领域熟练技术人员所理解，本发明的各方面可体现为系统、方法或计算机程序产品。因此，本发明的各方面可采取以下形式：完全硬件实施方案、完全软件实施方案(包括固件、常驻软件、微码等)或结合软件与硬件方面的实施方案，该类实施方案在本文中可全部统称为“电路”、“模块”或“系统”。本公开内容中所述的功能可实施为通过计算机的处理器/微处理器所执行的算法。此外，本发明的各方面可采取体现于一个或多个计算机可读介质中的计算机程序产品的形式，该计算机可读介质具有在其上体现例如储存的计算机可读程序代码。

可利用一个或多个计算机可读介质的任何组合。该计算机可读介质可为计算机可读信号介质或计算机可读储存介质。计算机可读储存介质可为例如但不限于电子、磁性、光学、电磁、红外或半导体系统、装置或器件，或前述的任何合适组合。计算机可读储存介质的更具体实例可包括但不限于以下：具有一个或多个金属线的电连接、便携计算机磁盘、硬盘、随机存取内存(RAM)、只读存储器(ROM)、可擦除可程序化只读存储器(EPROM或闪存)、光纤、可携式压缩盘只读存储器(CD-ROM)、光学储存器件、磁性储存器件或前述的任何合适组合。在本发明的上下文中，计算机可读储存介质可为可含有或储存供指令执行系统、装置或器件使用或结合其使用的程序的任何有形介质。

计算机可读信号介质可包括具有例如在基带中或作为载波的一部分的其中体现有计算机可读程序代码的传播数据信号。该传播信号可采取各种各样形式中的任何一个，包含但不限于电磁、光学或其任何合适组合。计算机可读信号介质可为非计算机可读储存介质并可传送、传播或传输供指令执行系统、装置或器件使用或结合其使用的程序的任何计算机可读介质。

体现在计算机可读介质上的程序代码可使用任何适当介质传输，该介质包括但不限于无线、有线、光纤、电缆、RF等，或前述的任何合适组合。用于对本发明的各方面执行运算的计算机程序代码可以一种或多种程序设计语言的任何组合写入，程序设计语言包括面向对象的程序设计语言(例如Java(TM)、Smalltalk、C++等)和常规程序性程序设计语言(例如“C”程序设计语言或类似程序设计语言)。程序代码可完全在用户的计算机上、部分在用户的计算机上、作为独立软件包、部分在用户的计算机上且部分在远程计算机上或完全在该远程计算机或服务器上执行。在后一情况中，远程计算机可借助包括局域网(LAN)或广域网(WAN)的任何类型的网络连接至用户的计算机，或可连接至外部计算机(例如借助使用因特网服务提供商的因特网)。

下文参考根据本发明的实施方案的方法、装置(系统)和计算机程序产品的流程图图解和/或框图来描述本发明的各方面。将理解，该类流程图图解和/或框图中的各框和该类流程图图解和/或框图中的各框的组合均可通过计算机程序指令来实施。可将这些计算机程序指令提供至通用计算机、专用计算机或其他可程序化数据处理装置的处理器，特别是微处理器或中央处理单元(CPU)以产生机器，使得经由计算机、其他可程序化数据处理装置或其他器件的处理器执行的指令产生用于实施流程图和/或框图的框中所指定的功能/动作的构件。

这些计算机程序指令还可储存于计算机可读介质中，该计算机可读介质可引导计算机、其他可程序化数据处理装置或其他器件以特定方式起作用，使得储存于计算机可读介质中的指令产生包括实施流程图和/或方框图的框中所指定的功能/动作的指令的制品。

还可将计算机程序指令加载至计算机、其他可程序化数据处理装置或其他器件上以引发将在计算机、其他可程序化装置或其他器件上执行的一系列运算步骤以产生计算机实施的过程，使得在计算机或其他可程序化设备上执行的指令提供用于实施流程图和/或方框图的框中所指定的功能/动作的过程。

图中的流程图和框图说明根据本发明的各个实施方案的系统、方法和计算机程序产品的可能实施方案的架构、功能性和操作。就此而言，流程图或框图中的各框可表示模块、分段或代码的部分，其包含用于实施所指定逻辑功能的一个或多个可执行指令。还应注意，在一些替代实施方案中，各框中所标注的功能可不按图中所标注的次序出现。例如，事实上，取决于所涉及的功能性，可基本同时进行连续显示的两个框，或有时可按相反次序进行该类方框。还应注意，框图和/或流程图图解中的各框和框图和/或流程图图解中的各框的组合可由进行指定功能或动作的基于专用硬件的系统或专用硬件与计算机指令的组合来实施。

将参考附图进一步说明本发明的实施方案，该类附图将示意性地示出根据本发明的实施方案。将理解，本发明不以任何方式限于这些特定实施方案。

应注意本发明涉及权利要求中所述的特征的所有可能组合。

附图简介

将参考图中所示的例示性实施方案更详细地说明本发明的各方面，其中：

图1为绘示所公开的方法的步骤的流程图。

图2为绘示得到阻力等级的流程图。

图3为绘示污垢粗糙度的计算的流程图。

图4为绘示得到宏观尺度粗糙度的流程图。

图5为绘示得到微观尺度粗糙度的流程图。

图6为绘示数据输入至粗糙度数据库中的流程图。

图7绘示粗糙度数据库的实例。

图8绘示污垢数据库的实例。

图9绘示表格的实例。

图10为包含3个总粗糙度值的图。

图11为显示阻力等级的图。

图12为显示3个总粗糙度值的图。

图13绘示根据本发明的一个实施方案的计算系统。

附图详述

图1显示所公开的方法的一个实施方案的示意性流程图。本文中涂料组包含三种不同涂料：涂料1、涂料2和涂料3。对于各涂料而言，在步骤S1中获得外表面的总粗糙度值。获得该总粗糙度值涉及污垢粗糙度值、宏观粗糙度值和微观粗糙度值。步骤S1对各涂料1-3产生总粗糙度值。阻力等级与每一总粗糙度值相关且在步骤S2中选择具有最小阻力等级的涂料。在该实施方案中，涂料3具有与最小阻力等级相关的总粗糙度值。随后，在步骤S3中，将所选涂料(涂料3)施用于至少部分浸于水中的人造物体的外表面。

图2为绘示得到涂料的阻力等级的一个实施方案的流程图。在该实施方案中，至少部分浸于水中的人造物体的外表面为船只的船体。应理解，相同的得到步骤可用于其他至少部分浸于水中的人造物体，例如近海钻井平台。观察图2的右手侧，可见阻力等级为计算流体动力学(CFD)建模步骤S4的结果。用于该建模的输入为船舶的形状和大小、船舶的运行速度和外表面的总粗糙度值。步骤S4中的CFD建模提供与总粗糙度值相关的阻力等级。此外，且基于总粗糙度值，CFD建模可预测船舶在该时间段中的动力消耗(未示出)。随后，可计算基于该动力消耗的其他参数，例如燃料消耗、燃料成本、所排放的温室气体的量等。

在图2的实施方案中，将船舶的船体分段为三个区段：水线带(BT)区段，其为当完全装载时与当卸除时船舶的水线之间的船体的区域；垂直侧(VS)区段，其为由舱底至水线带区段的底部的垂直、弯曲或倾斜区域；和平底(FB)区段，其为由舱底至舱底的船体底部区域。通常，舱底为船体的圆形部分，其形成底部与垂直侧之间的过渡。如图2中所示，总粗糙度值可通过将水线带区段的总粗糙度值、垂直侧区段的总粗糙度值和平底区段的总粗糙度值组合，并以特定加权因子将每一总粗糙度值加权来计算。

图2显示其中VS区段的总粗糙度值为基于污垢粗糙度值(VS区段)、宏观粗糙度值(VS区段)且基于微观粗糙度值(VS区段)获得的实施方案。应理解，BT区段的总粗糙度值和FB区段的总粗糙度值还可分别基于BT区段和FB区段的污垢粗糙度值、宏观粗糙度值和微观粗糙度值获得。应理解，污垢粗糙度值、宏观粗糙度值和微观粗糙度值均可以等效砂粒粗糙度高度k_s表示，其使得能够将3个参数简单相加得到总粗糙度值。对于特定粗糙度值的等效砂粒粗糙度高度为在超临界流体(fully rough flow)状态下给出与特定粗糙度相同的粗糙度函数的均匀、紧密堆积的砂的高度。

图3为绘示与涂料1(绘示在图3的左手侧)相关的一个实施方案中的污垢粗糙度值的计算的流程图。进一步注意，图中的地理区域为在时间段期间至少部分浸于水中的人造物体预期位于的地理区域。人造物体可为具有三年干船坞周期的集装箱船。集装箱船还可在即将来临的三年期间仅排定在美国波士顿港与荷兰鹿特丹港之间航行。然后地理区域可为北大西洋。涂料1和地理区域为所绘示的污垢粗糙度的计算的输入。在步骤S5中，存取粗糙度数据库并由该粗糙度数据库检索与涂料1与地理区域的组合相关的静态污垢粗糙度值。应理解，粗糙度数据库在计算污垢粗糙度值中为一个重要方面，且因此在实施所公开的方法中为一个重要方面。下文就图6而言提供粗糙度数据库的生成的更详细的说明。

在获得静态污垢粗糙度值之后，将其在步骤S6中转化为动态污垢粗糙度值。该转化基于活动因子和预期活动。活动因子可反映在0％活动下的船舶将比在100％活动下的船舶积垢严重的风险。预期活动可表示处于航行的船舶的时间与静止停在水中的船舶的时间之间的比值。因此，在污垢粗糙度的计算中计算船舶的活动。通常而言，大多数时间处于航行的船舶比大多数时间处于静止的船舶污垢沉降的风险低。在获得动态污垢粗糙度值之后，在步骤S7中计算污垢粗糙度值。在该最后步骤S7中考虑污垢粗糙度值随时间的预期变化。动态污垢粗糙度值可为表示在时间段(例如干船坞周期)结束时的污垢粗糙度的一个特定值的一个值。通过将污垢粗糙度值的计算S7基于随时间的预期变化，可计算污垢粗糙度值的多个值，例如对于该时间段中每一特定时间的一个值。如上文所述，随时间的预期变化可为污垢粗糙度值随时间的指数增长。

图4为绘示在一个实施方案中得到宏观粗糙度值的流程图。用于该得到的输入为初始基材宏观粗糙度得分、涂料宏观粗糙度得分和时间依赖性宏观粗糙度得分。在计算步骤S8中基于这些参数计算宏观粗糙度得分。在另一步骤S9中，将宏观粗糙度得分转化为宏观粗糙度值。初始宏观粗糙度得分可主要由外表面的轮廓决定。因此，在施用涂料之前外表面的制备为在估算初始宏观粗糙度得分方面的一个重要参数。此外，研究已显示涂料产品和/或涂覆技术分类对初始宏观粗糙度得分有影响。因此，涂料粗糙度得分中还考虑涂料产品或涂覆技术分类。干船坞周期期间宏观粗糙度得分的变化通过时间依赖性宏观粗糙度得分确定且可假定为线性增加。

图5为绘示得到微观粗糙度值的流程图。得到基于初始微观粗糙度得分和时间依赖性微观粗糙度得分。在步骤S10中计算微观粗糙度得分，且随后在步骤S11中得到微观粗糙度值。多个因子对初始微观粗糙度值具有影响，例如施用方法/质量、涂料的批龄等。因此，希望由涂料表面的多个重复测量得到初始微观粗糙度值。

图6为粗糙度数据库中条目的生成的流程图。如参考图3所述，粗糙度数据库包含涂料1与地理区域的组合的静态污垢粗糙度值。生成条目的起始点为污垢数据库。污垢数据库可包含关于在多个船舶(例如超过20,000艘船舶)上实施的污垢测量的数据。这些测量可在船舶的干船坞期间实施。数据还可包含施用于船舶的涂料种类和船舶航行经过的地理区域以及船舶在干船坞循环周期中的速度和活动数据。图8显示污垢数据库的可能摘录，这将在下文更详细地解释。在图6的实施方案中，污垢数据库包含借助施用涂料1且航行经过地理区域的四艘不同船舶的相应污垢测量获得的污垢参数(未示出)。船舶的污垢参数可表示所发现的污垢的类型和其程度(表示为外表面的百分比)。例如，一艘船舶的污垢参数可表示船舶的外表面的10％覆盖有轻质粘泥，20％覆盖有重质粘泥，另一5％覆盖有杂草且外表面的另一10％覆盖有重质动物污垢。基于污垢参数，在步骤S12-S15中计算每一船舶的污垢得分。在步骤S16中将这些污垢得分合并以计算平均污垢得分。在下一步骤S17中，通过存取将静态污垢粗糙度值与所计算的平均污垢得分关联的表格来获得静态污垢粗糙度值。一旦在步骤S17中获得静态污垢粗糙度值，则将其与涂料1和地理区域一起添加至粗糙度数据库。因此，粗糙度数据库包含将静态污垢粗糙度值与涂料1与地理区域的组合相关的一个条目。

图7绘示一个实施方案中粗糙度数据库的摘录的实例。可见对于涂料与地理区域的每一组合，在粗糙度数据库中存在相关的静态粗糙度值。静态污垢粗糙度值对地理区域的依赖性可源于每一地理区域中的不同情况。这些情况可涉及例如水的组成、水的温度或天气情况。当然，各涂料可对这些情况反应不同，这导致每一地理区域不同的涂料性质。例如，在大西洋中涂料1可能比涂料2更有效地防止积垢，但在印度洋中发现的不同情况下涂料2比涂料1更有效地防止积垢。

图8绘示一个实施方案中污垢数据库的摘录的实例。注意，在该摘录中，仅存在涂料1与地理区域“大西洋”的组合。在该摘录中有10艘船舶(船只A-J)，其均施用有涂料1且已航行经过大西洋。污垢参数可在每一船只的干船坞周期期间测量。本文中仅示出2个污垢参数，即船体经轻质粘泥的覆盖百分比和船体经重质粘泥的覆盖百分比。对于每一船只计算污垢得分。此外，将船只划分为子组，即具有低污垢得分的子组(低)、具有中等污垢得分的子组(中等)和具有高污垢得分的子组(高)。这使得能够计算每一子组的平均污垢得分并防止向来源于一艘具有非常高污垢得分的船只的高污垢得分偏斜。在该实施方案中，污垢得分为8.3的船只C将导致向平均污垢得分的较高值偏斜。

应注意，每一船只A-J可具有其自身的干船坞周期，因此涂料1的施用与污垢参数的测量之间的时间可因船只而异，这自然地影响所测量的污垢参数。通常，具有较长干船坞循环周期的船只处于比具有较短干船坞循环周期的船只更高的积垢风险下。此外，船只J可比船只B航行更多(即具有更高的活动性)，造成船只J的污垢得分较低。优选地，尽可能多地考虑污垢数据库中的船舶的运行特性之间的该类差异，例如通过调整因子。污垢数据库中的条目优选考虑船舶的运行特性的该类差异(例如通过应用调整因子)，以得到相关的平均污垢得分。

图9为表格的图解实例，其中静态污垢粗糙度值与污垢得分相关。表格可基于科学研究。

图10为绘示涂料1、2和3的相应总粗糙度值的图。对三年的时期计算总粗糙度值。在该实施方案中，在该三年时期结束时的总粗糙度值的值为涂料1、2和3的相应动态污垢粗糙度值。在图10中，涂料1的动态污垢粗糙度值以虚线表示。如上文所解释，基于每一动态污垢粗糙度值，计算总粗糙度值曲线。在该实施方案中，假定总粗糙度值随时间的预期变化指数增加，因此为指数曲线。可见由于这些指数增加，尤其在第三年中三种涂料的总粗糙度值显著不同。通常，较高的总粗糙度值与较高的阻力相关，且因此例如对于船舶所有者而言燃料成本更高。

图11为绘示与图10中所示的总粗糙度值相关的相应阻力等级的图。阻力等级为CFD建模的结果，CFD建模尤其使用总粗糙度值作为输入。正如所预期，涂料3的阻力等级为该实施方案中的最小阻力等级。基于总粗糙度值计算阻力等级可涉及在一段时间内的总粗糙度值的积分，在该情况下三年时间段内绘示于图10中。应理解，例如船舶的阻力等级对于船舶所有者可为对于即将来临的干船坞周期的燃料成本的指示。

图12显示涂料3的阻力等级的一个实例，其中污垢数据库中的船舶已划分为3个子组且其中已获得3个平均污垢得分并随后获得3个静态污垢粗糙度值、3个动态污垢粗糙度值、3个污垢粗糙度值、3个总粗糙度值和最终3个阻力等级，每一子组一个。子组高可以最高污垢得分在污垢数据库中占船舶的10％，子组中等以中等污垢得分在污垢数据库中占船舶的20％，且子组低以最低污垢得分在污垢数据库中占船舶的70％。因此，图12中的3条曲线可表示涂料3所发生的不同程度的总粗糙度值的可能性。然后，子组低的曲线为主要预测并表示很大可能或预期的总粗糙度值。然后，子组中等的曲线表示可能的总粗糙度值，但与子组低相关的总粗糙度值相比稍微较不可能。子组高的曲线表示不可能的总粗糙度值。

图13绘示说明可用于计算机实施的涂料选择过程中的例示性数据处理系统的框图。

如图13中所示，数据处理系统100可包括至少一个借助系统总线106与内存组件104连接的处理器102。因此，数据处理系统可在内存组件104内储存程序代码。此外，处理器102可经由系统总线106执行由内存组件104存取的程序代码。在一方面中，数据处理系统可实现为适于储存和/或执行程序代码的计算机。然而，应理解，数据处理系统100可以能够执行本说明书内所述的功能的包括处理器和内存的任何系统的形式来实施。

内存组件104可包括一个或多个物理内存器件，例如局部内存108和一个或多个大容量储存器件110。局部内存可指在实际执行程序代码期间所通常使用的随机存取内存或其他非持久性内存器件。大容量储存器件可实现为硬驱动器或其他持续性数据储存器件。处理系统100还可包括一个或多个提供至少一些程序代码的临时性储存的高速缓存(未示出)，从而减少在执行期间必须由大容量储存器件110检索程序代码的次数。

绘示为输入器件112和输出器件114的输入/输出(I/O)器件任选地可连接至数据处理系统。输入器件的实例可包括但不限于键盘、指向器件(例如鼠标)等。输出器件的实例可包括但不限于监视器或显示器、扬声器等。输入和/或输出器件可直接或通过介入I/O控制器连接至数据处理系统。

在一个实施方案中，输入和输出器件可实现为合并的输入/输出器件(在图13中以围绕输入器件112和输出器件114的虚线说明)。该合并器件的实例为触敏式显示器，有时还称为“触控屏幕显示器”或简称为“触控屏幕”。在该实施方案中，对器件的输入可通过在触控屏幕显示器上或附近移动物理物体(例如触针或用户的手指)提供。

网络适配器116还可连接至数据处理系统以使得其能够借助介入私人或公共网络连接至其他系统、计算机系统、远程网络器件和/或远程储存器件。网络适配器可包含用于接收由所述系统、器件和/或网络传输至数据处理系统100的数据的数据接收器，和用于将数据由数据处理系统100传输至所述系统、器件和/或网络的数据传输器。调制解调器、电缆调制解调器和以太网络(Ethernet)卡为可与数据处理系统100一起使用的不同类型的网络适配器的实例。

如图13中所绘，内存组件104可储存应用程序118。在各个实施方案中，应用程序118可储存于局部内存108、一个或多个大容量储存器件110中或远离(apart from)局部内存和大容量储存器件。应理解，数据处理系统100可进一步执行可促进执行应用程序118的操作系统(图13中未示出)。以可执行的程序代码的形式实施的应用程序118可通过数据处理系统100(例如通过处理器102)执行。响应执行应用程序，数据处理系统100可经构造以实施本文中所述的一个或多个操作或方法步骤。

在另一方面中，数据处理系统100可表示客户端数据处理系统。在该情况下，应用程序118可表示当执行时构造数据处理系统100以实施本文中关于“客户端”所述的各种功能的客户端应用程序。客户端的实例可包括但不限于个人计算机、便携计算机、移动电话等。

在另一方面中，数据处理系统100可表示服务器。例如，数据处理系统可表示(HTTP)服务器，在该情况下当应用程序118执行时，可构造数据处理系统以实施(HTTP)服务器操作。

本发明的各个实施方案可实现为用于与计算机系统一起使用的程序产品，其中该程序产品的程序定义实施方案的功能(包括本文中所述的方法)。在一个实施方案中，该程序可包含在各种非暂时性计算机可读储存介质上，其中，如本文所用，表述“非暂时性计算机可读储存介质”包含所有计算机可读介质，其中唯一例外为暂时的传播信号。在另一实施方案中，该程序可包含在各种暂时性计算机可读储存介质上。示例性计算机可读储存介质包括但不限于：(i)不可写入的储存介质(例如，计算机内的只读存储器器件，例如可通过CD-ROM驱动器读取的CD-ROM磁盘、ROM芯片或任何类型的固态非挥发性半导体内存)，在其上信息永久储存；和(ii)可写入的储存介质(例如闪存、磁盘驱动器或硬磁盘驱动器内的软磁盘或任何类型的固态随机存取半导体内存)，在其上储存可改变的信息。计算机程序可在本文中所述的处理器102上运行。

本文所用术语仅用于描述特定实施方案的目的而并非意欲限制本发明。除非上下文此外明确表示，本文所用单数形式“一种(a)”、“一个(an)”和“该(the)”还意欲包括复数形式。将进一步理解，当术语“包含(comprise和/或comprising)”在本说明书中使用时指定存在所述特征、整数、步骤、操作、组件和/或部件，但并不排除存在或添加一个或多个其他特征、整数、步骤、操作、组件、部件和/或其组。

下文权利要求中的所有构件或步骤加功能组件的相应结构、材料、动作和等效物意欲包括用于结合如具体要求保护的其他要求保护的组件一起进行功能的任何结构、材料或动作。本发明的实施方案的描述出于示例性目的而呈现，而非意欲为排除性或限于所公开形式的实施方案。在不背离本发明的范围和精神的情况下，许多修改和变化对于本领域熟练技术人员为显而易见的。选择并描述实施方案以最佳解释本发明的原理和一些实际应用，并使得其他本领域熟练技术人员能够以适合于所预期的特定用途对具有各种修改的各种实施方案理解本发明。