基于小样本数据的零部件表面处理氧化过程数据增强与关键参数预测方法

本发明提供一种基于小样本数据的零部件表面处理氧化过程数据增强与关键参数预测方法。通过对阳极氧化数据进行数据增强，关键参数预测，最后得到预测结果。首先，我们通过二次B样条插值和生成对抗网络(GAN)进行数据增强，有效解决了氧化膜重量数据不足以建立预测模型的问题；然后，为评价增强后的阳极氧化过程数据的质量，提出利用Kullback‑Leibler(KL)散度和均方误差(MSE)的综合评价指标(CEI)；最后，考虑到阳极氧化过程中多个工艺参数的复杂耦合特性，利用注意力机制(AM)和随机森林(RF)构建氧化膜的膜重预测模型，以充分利用增强的阳极氧化过程数据，从而增强预测性能。本发明一定程度上避免由于样本数据不足，多个影响因素的复杂耦合特性导致难以建立准确预测模型的问题。本发明提高了工业过程小样本数据关键参数的预测精度。