随着人工智能领域的飞速发展,疏浚行业也向智能化的道路前进。耙吸挖泥船作为重要的疏浚装备,因其具有机动性强、在不同工况下都具有良好的表现,成为在填海造陆、航道疏通等疏浚工程中最常见的特种船舶。大数据处理、机器学习、深度学习等技术的创新与进步使人工智能领域发生了颠覆性的革命,也将改变耙吸挖泥船的疏浚流程。目前,耙吸挖泥船还是由人力操控,由于没有统一的标准进行指导,导致了疏浚效率时高时低,有时还会产生疏浚作业的安全风险。因此,提高耙吸挖泥船的智能化,改变耙吸挖泥船疏浚作业的方式具有深远的意义。本文依托工信部智能船舶疏浚项目,针对耙吸挖泥船管道输送过程中存在的一系列难题,进行了耙吸挖泥船管道输送系统建模与控制方法的研究,主要工作如下:（1）介绍了耙吸挖泥船装舱阶段的疏浚过程,重点针对管道泥浆输送的数学模型进行分析,总结了管道泥浆输送过程中的影响因素。为了避免流速过低导致管道堵塞,分析了多种不同的临界流速公式,总结了管道直径、泥浆浓度、泥浆密度、泥沙粒径对临界流速的影响,并根据耙吸挖泥船的临界流速公式计算了厦门港工地的临界流速。（2）根据耙吸挖泥船管道输送过程的机理,通过计算流体力学（CFD）的技术,建立了3维的耙吸挖泥船管道输送模型,分析了不同粒径泥沙对输送管道内泥浆流动的影响。在特定工况下,使用数值模拟的方式验证临界流速,为解决输送的安全问题提供了理论指导。（3）由于耙吸挖泥船管道输送的数学模型有一些重要参数在工程中难以测得,导致了数学模型难以在实际工程中应用,因此进行了基于数据驱动的泥浆流速预测模型的研究。根据耙吸挖泥船上相关传感器所测得的数据,对离线施工数据进行预处理,设计了粒子群算法优化LSTM神经网络的泥浆流速预测模型,与BP神经网络模型和LSTM神经网络模型相比提升了预测性能。（4）针对耙吸挖泥船挖泥管道内泥浆输送流速过低导致管道堵塞,影响疏浚效率、造成安全风险等问题,对泥浆管道输送的控制方法进行研究。通过改变泥泵转速来控制输送管道中泥浆的流速,设计了一种基于RBF-ARX模型的模型预测控制器,与传统PID控制器和模糊PID控制器相比提高了控制性能。