一种基于机器学习的燃料替代率控制方法、装置及发动机

本发明针对双燃料发动机提出了一种新型的基于机器学习的燃料替代率控制方法、装置及发动机，利用双向长短期记忆网络（Bi‑LSTM）和卷积神经网络（CNN）的结合，能够实时分析时间序列数据和空间特征数据，从而实现对发动机运行条件的分析预测，还整合了在线增量式随机梯度下降（ISGD）算法和基于密度的聚类算法（DBSCAN）进行异常检测，使得控制系统能够实时适应不断变化的环境，并做出最优的燃料调节决策，以保证发动机效率的最大化和排放的最小化，以适应各种运行条件并及时调整控制策略，以确保发动机在各种工况下的最佳性能。