摘要
本发明提出一种基于改进CTGAN的飞秒激光工艺数据生成方法及系统,采集飞秒激光加工的工艺参数样本及对应的加工形貌样本,筛选出原始样本对;通过多维核密度估计识别原始样本对中工艺参数空间的稀疏区域,并基于密度阈值得到工艺参数稀疏样本;将所述工艺参数样本和工艺参数稀疏样本输入改进的CTGAN,生成插值工艺参数;将筛选后的伪样本对与原始样本对合并,输入至两级区间残差回归模型,得到加工形貌预测结果。本发明通过数据增强与多分支回归预测模型的协同优化,不仅解决了正交实验数据分布不均衡问题,更显著提升了机器学习模型对加工效果的预测能力,为飞秒激光工艺参数优化提供高精度决策支持。
技术关键词
样本
数据生成方法
参数
激光
随机噪声
数据分布
数据生成系统
密度
交叉注意力机制
回归预测模型
融合特征
高斯核函数
机器学习模型
置信度阈值
插值模块
处理器
编码
分支
变量
带标签
系统为您推荐了相关专利信息
可靠性分析方法
Kriging模型
代表
样本
主成分分析法
电力通信网络
电力通信设备
干扰信号特征
定位方法
电力设备故障
GaN功率放大器
芯片自动化测试系统
端口
功率放大器芯片
回波