公开(公告)号：CN117372312A

公开(公告)日：2024-01-09

申请号：CN202311362051.4

申请日：2023-10-20

Applicant: 广西大学

Inventor： 卢泉 ,  李成威 ,  殷林飞 ,  韦劼

IPC: G06T5/94 ,  G06T5/50 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提出一种基于空间感知Retinex分解的微光图像多通路并行增强方法，该方法将微光图像输入照明水平预测图像引导的多尺度空间感知分解网络进行Retinex分解以获得图像的反射分量和照明分量；再将反射分量输入三通路并行的反射分量恢复网络进行去除噪声和色彩恢复，将照明分量输入多分支注意力照明分量调整网络进行照明水平估计；最后将恢复调整后的结果进行重构并输出增强图像；所提一种基于空间感知Retinex分解的微光图像多通路并行增强方法能解决微光图像增强结果噪声水平高、色彩失真严重和光照水平不自然的问题，实现增强结果符合人眼感知水平和机器感知标准的功能，优化去除噪声和色彩恢复的过程，提高增强系统性能和泛化能力。

公开(公告)号：CN116822750A

公开(公告)日：2023-09-29

申请号：CN202310867807.4

申请日：2023-07-16

Applicant: 广西大学

Inventor： 殷林飞 ,  丁文宇

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N7/02 ,  G06N10/20 ,  G06N5/04

Abstract: 本发明提出一种IES多模态分层多目标复制者动态一致性优化加速方法，该方法将多模态问题优化方法、量子和模糊逻辑的全连接层嵌入式自关注网络加速方法和多层多目标分布式复制者动态一致性方法进行结合；应用多层多目标分布式复制者动态一致性方法，在多个优化目标相互博弈的情况下寻找出使博弈演化稳定均衡的最优解；引入小生境策略和二元锦标赛选择机制赋予帕累托解集多模态的特性；在方法的迭代过程中加入量子和模糊逻辑的全连接层嵌入式自关注网络提高方法速度。IES多模态分层多目标复制者动态一致性优化加速方法能解决综合能源系统的多目标优化问题，实现高速获得综合能源系统的解决目标博弈问题的多目标多模态的帕累托解集的功能。

公开(公告)号：CN116772857A

公开(公告)日：2023-09-19

申请号：CN202310747753.8

申请日：2023-06-25

Applicant: 广西大学

Inventor： 殷林飞 ,  韦春有 ,  胡立坤

IPC: G01C21/20

Abstract: 本发明提出一种双向门控循环网络及量子Transformer网络的路径规划方法，用于解决多移动机器人人的路径规划问题。该方法使用双向门控循环网络匈牙利方法来解决任务分配问题。量子计算方法被结合到Transformer神经网络中形成量子Transformer神经网络。量子Transformer神经网络与强化学习的决策过程相结合，形成基于量子Transformer神经网络的多智能体深度强化学习方法。基于量子Transformer神经网络的多智能体深度强化学习方法为已经分配任务的移动机器人规划路径。所述双向门控循环网络及量子Transformer神经网络的路径规划方法能够提高多移动机器人系统的任务分配方案的准确度，缩短训练时间，能给出准确度高的路径规划动作，优化移动机器人的路径，减少不同移动机器人之间出现碰撞。

公开(公告)号：CN113298386B

公开(公告)日：2023-08-29

申请号：CN202110586212.2

申请日：2021-05-27

Applicant: 广西大学

Inventor： 刘东端 ,  卜祥鹏 ,  莫明山 ,  殷林飞 ,  卢泉 ,  高放

IPC: G06Q10/0637 ,  G06Q50/06 ,  B25J9/16

Abstract: 本发明提出一种分布式多目标深度确定性值网络机器人能量管理方法，该方法能提高巡检机器人的充电效率，获得巡检机器人的最优工作路径。该方法由分布式多目标深度确定性值网络组成；通过多目标深度确定性网络获得巡检机器人的最优充电效率和最优工作路径；多个巡检机器人之间采用一致性协议交换巡检机器人的电量和巡检机器人的位置。该分布式多目标深度确定性值网络机器人能量管理方法减少巡检机器人在工作中的能量损耗，缩短巡检机器人到达工作地点的时间。

公开(公告)号：CN116628460A

公开(公告)日：2023-08-22

申请号：CN202310647720.6

申请日：2023-06-02

Applicant: 广西大学

Inventor： 殷林飞 ,  姚晓瑞

IPC: G06F18/21 ,  G06F18/213 ,  G06F18/24 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提出一种CEEMDAN参数增量协同注意力移动卷积的电力终端识别方法，该方法将完全自适应噪声集合经验模态分解方法、参数知识指导、增量学习、协同注意力机制和移动卷积神经网络结合应用到电力终端识别中。所提方法基本步骤为：用电数据获取，完全自适应噪声集合经验模态分解方法下电力终端图矩阵的构建，协同注意力机制和移动卷积神经网络训练，参数知识指导下识别以及未被学习的电力终端的增量处理。增量处理包括自选择增量表征学习和学习率控制。所提方法能有效解决模态混叠问题，实现对电力终端的快速、精准识别，以及提高识别模型在长尾任务下的识别精度。

公开(公告)号：CN116522761A

公开(公告)日：2023-08-01

申请号：CN202310388558.0

申请日：2023-04-12

Applicant: 广西大学

Inventor： 殷林飞 ,  孙宇杰

IPC: G06F30/27 ,  G06Q50/06 ,  G06F17/18 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/08 ,  G06Q10/04 ,  G06F119/02 ,  G06F111/08

Abstract: 本发明提出一种多网络结合的多区域时频空风电出力预测方法。该方法首先将风电场原始数据用于训练Inception V4网络、时间卷积网络、双向门控循环神经网络和Universal Transformer网络。将Inception V4网络和时空卷积网络的输出结果一起输入Universal Transformer网络，再将Universal Transformer网络输出结果与双向门控循环神经网络输出结果相加，得到本区域风电出力预测结果。其余区域的数据处理方法与上述方法相同。最后将各区域预测结果经三层全连接层处理相加得出最终风电出力预测。该方法能够提高风电场出力数据的精确预测。

公开(公告)号：CN112103971B

公开(公告)日：2023-07-28

申请号：CN202010900512.9

申请日：2020-09-01

Applicant: 广西大学

Inventor： 殷林飞 ,  李钰 ,  马晨骁 ,  高放

IPC: H02J3/24 ,  H02J3/30 ,  H02P27/08 ,  H02P25/024 ,  H02P21/14

Abstract: 本发明提供一种电网调频型飞轮储能系统的矢量强化学习控制方法，该方法能解决目前电力系统因新能源发电和分布式发电的随机性、波动性和不确定性对电网的冲击而造成的传统调频资源无法满足调频要求的现状。本发明将飞轮储能系统调频与矢量强化学习相结合，通过对电压进行矢量强化学习选择飞轮储能系统的最优动作，控制系统电机工作于发电机/电动机状态达到系统工作于放电/充电模式，从而达到调整电力系统频率的目的。本发明提出的电网调频型飞轮储能系统的矢量强化学习控制方法，其响应速度远优于传统调频资源，可实现快速调节电网频率，保持电网频率在允许偏差范围之内，维持系统频率稳定性，从而保证电网运行的可靠性和安全性。

公开(公告)号：CN112686529B

公开(公告)日：2023-03-24

申请号：CN202011583289.6

申请日：2020-12-28

Applicant: 广西大学

Inventor： 殷林飞 ,  高奇 ,  陆悦江 ,  高放

IPC: G06Q10/0637 ,  G06F30/27 ,  G06N10/20 ,  G06F18/2431

Abstract: 本发明提出一种高维量子行走深度森林的变压器寿命评估方法，该方法将高维量子行走和深度森林方法进行结合，用于电力变压器的寿命评估。首先，所提方法将高维量子行走和多粒度扫描方法进行结合，应用在基于电力变压器运行工况状态、电力变压器绝缘状态和电气变压器历史运行数据的原始特征数据提取，增强原始特征。其次，所提方法中深度森林方法利用高维量子行走和多粒度扫描方法提取的特征实现电力变压器的寿命评估。最后将电力变压器的寿命评估为设备初期、稳定期、衰减期和老化期四类。

公开(公告)号：CN115754537A

公开(公告)日：2023-03-07

申请号：CN202211454275.3

申请日：2022-11-21

Applicant: 广西大学

Inventor： 殷林飞 ,  韦劼 ,  胡立坤

IPC: G01R31/00 ,  H02J3/00 ,  G06F18/23 ,  G06F18/214 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明提出一种滑窗信号分解与卷积预测的非侵入式负荷检测方法，该方法主要通过滑动窗双边累积和方法得到暂态过程起止时间，分为两路，一路通过自适应噪声完备集合经验模态分解方法进行非侵入式负荷分解，将非侵入式负荷分解分量通过基于密度峰值的自适应聚类方法进行聚类；另一路通过双向门控循环单元非侵入式负荷预测方法进行预测；数据处理后将负荷预测图像、聚类图像、残量图像分别通过基于神经架构搜索网络模块和残差连接模块的深度卷积神经网络进行训练和学习，最终得到非侵入式负荷检测标签；所提一种滑窗信号分解与卷积预测的非侵入式负荷检测方法能提高非侵入式负荷检测速度和准确率，优化非侵入式负荷检测过程的计算量，降低误检概率。

公开(公告)号：CN115659835A

公开(公告)日：2023-01-31

申请号：CN202211401889.5

申请日：2022-11-10

Applicant: 广西大学

Inventor： 殷林飞 ,  丁文宇 ,  胡立坤 ,  李大江 ,  农海斌 ,  唐贞智 ,  郑海付

IPC: G06F30/27 ,  G06F111/06 ,  G06F119/02

Abstract: 本发明提出一种深度全连接层的风机控制器参数多目标优化加速方法，该深度全连接层的风机控制器参数多目标优化加速方法应用于多目标问题，在迭代过程中搜索智能体位置有比例、勘探和开发三个更新方向；对于外部档案集拥挤的状况，采取自适应网格策略对其中的非支配解进行更新以应对外部档案集拥挤的状况；采取轮盘赌策略选择全局最佳位置；在方法迭代过程中加入深度全连接层模型提高收敛速度。深度全连接层的风机控制器参数多目标优化加速方法能解决双馈风机控制器参数的双目标优化问题，实现快速获得多方案最优解集的功能，优化多目标方法解集的多样性和收敛性，减少所需优化时间，提高优化方法的运行速度。