摘要
本发明提供了一种发动机性能预测及优化的小样本机器学习强化方法，可应用于机器学习领域和能源领域，包括以下步骤：首先，利用随机采样和遗传算法生成足够规模且包含多工况的数据集；对数据进行预处理，包括归一化、工况分类与二维数据的均匀网格插值；利用分类模型实现工况识别。随后，构造基于燃烧参数的特征，筛选出预测精度较高的燃烧参数，并分为一维与二维两类模型分别训练，用于预测发动机性能参数、排放参数以及缸内压力、放热率和温度等关键参数。最终，根据分类识别的结果，对正常燃烧工况的发动机性能进行预测，而对非正常燃烧工况则不直接预测。本方法有效提高了小样本条件下发动机性能预测的准确性和鲁棒性，可有效降低发动机优化设计的成本。
