一种基于深度学习的电喷喷油策略智能优化方法

本发明公开了一种基于深度学习的电喷喷油策略智能优化方法，包括如下步骤：S1、采集和预处理发动机多源工况数据，生成标准数据集；S2、构建贝叶斯神经网络模型，输出集成喷油参数预测值和不确定性估计值；S3、利用蚁狮优化算法优化模型结构参数和超参数，获得最优结构与参数；S4、用最优结构与参数训练模型，利用标准数据集进行性能评估；S5、实时采集工况数据，输出最优集成喷油参数预测值和不确定性估计值；S6、周期性收集反馈数据，结合标准数据集增量训练模型，适时重新执行蚁狮优化。本发明实现了发动机喷油策略的高精度智能优化，提高燃油经济性、降低排放并增强复杂工况下的自适应能力。