随着航运业对船舶能效监控有关要求的加强,以及智能船技术的兴起,船舶能效状态评估相关研究势在必行。作为船舶的主要能量消耗设备,船舶主机的能效状态评估尤为重要。在船舶航行期间,需要通过分析船舶和主机的运营参数来客观地判断主机当前的工作情况,从而准确地评估当前船舶主机的能效状态。本文以某30万吨级远洋散货船为研究目标,以其能效状态良好时的船舶运行记录作为样本,结合主成分分析法和BP神经网络算法,分别构建船舶的航行状态识别模型和主机油耗基准模型。在船舶航行期间,采用航行状态识别模型对船舶航行数据进行辨析,识别出船舶各种航行状态。并针对船舶海上定速航行状态,利用主机油耗基准模型对船舶实时运行参数进行分析,得出船舶主机在当前工况下的油耗量基准值。将基准值与主机实际的油耗值进行对比,以二者的残差值为依据,进而评估当前的主机能效状态。模型验证计算结果显示,航行状态识别模型的准确率为98.05%,油耗基准模型的准确率为98.47%。两种模型的可靠性均较高,油耗基准模型输出的油耗基准值可作为评估船舶主机能效状态的基准。研究成果可为智能船舶的智能能效管理提供一定参考。