基于Mixup数据增强的CNN-GRU深度学习电火花线切割放电状态识别

摘要

针对电火花线切割放电状态识别中,数据集样本较少导致训练模型准确率不高的问题,提出基于Mixup数据增强的CNN-GRU网络算法。该算法首先使用Mixup数据增强对原始的电火花波形数据进行数据增强,通过线性插值对数据进行混合,得到新的扩容之后的数据集;随后使用增强的数据集训练CNN-GRU模型,并用该模型进行分类。经实验表明,使用Mixup数据增强的CNN-GRU模型能有效的识别出数据中的“时序特征”与“局部特征”,且模型的准确率达到了96%。