公开(公告)号：CN114897139B

公开(公告)日：2024-10-29

申请号：CN202210497899.7

申请日：2022-05-09

Applicant: 广西大学

Inventor： 殷林飞 ,  孙勤同 ,  胡立坤 ,  张枥仁

IPC: G06N3/04 ,  G06N3/06 ,  G06N10/60 ,  G01M13/045

Abstract: 本发明提出一种排序稳定简化稀疏量子神经网络的轴承故障诊断方法，该方法首先对采集到的轴承故障振动数据进行取绝对值计算，再对取绝对值后的数据按照从小到大的规则排序，然后对经过排序处理的轴承故障振动数据进行归一化处理，再对归一化的轴承故障振动数据进行量子化，最后用开关量子神经网络进行故障分类。所提排序稳定简化稀疏量子神经网络的轴承故障方法能解决电机轴承的故障分类问题，实现在线监测功能，提高了网络稳定性，提高了故障分类的准确度，且提高了网络结构的稳定性。

公开(公告)号：CN117411042A

公开(公告)日：2024-01-16

申请号：CN202311367651.X

申请日：2023-10-22

Applicant: 广西大学

Inventor： 殷林飞 ,  黄问铉 ,  卢泉 ,  张枥仁

IPC: H02J3/28 ,  H02J3/46 ,  G06N3/098

Abstract: 本发明提出一种基于个性化联邦蒸馏学习的综合能源系统控制方法，该方法的步骤有：综合能源系统中央服务器将全局模型Transformer每一轮随机发送至部分区域综合能源系统；区域综合能源系统测量区域的频率偏差和有功功率偏差与能量偏差数据并输入全局模型Transformer；对全局模型Transformer运行随机梯度下降步骤并计算损失函数后更新全局模型Transformer并发送回综合能源系统中央服务器；综合能源系统中央服务器对全局模型Transformer进行迭代；迭代n次后得到最终迭代模型并用小型双向编码的Transformer蒸馏方法缩小模型，得到子全局模型；最后将数据输入子全局模型中，经过拒识操作后控制各区域综合能源系统中的单位；基于个性化联邦蒸馏学习的综合能源系统控制方法能在环境变化时高效控制综合能源系统。

公开(公告)号：CN117252389A

公开(公告)日：2023-12-19

申请号：CN202311374857.5

申请日：2023-10-23

Applicant: 广西大学

Inventor： 殷林飞 ,  曾浩政 ,  卢泉 ,  张枥仁

IPC: G06Q10/0631 ,  G06Q50/06 ,  G06F30/20 ,  G06Q50/26 ,  H02J3/00 ,  G06F119/06 ,  G06F113/04

Abstract: 本发明提出一种基于分布式多目标colshade的100%新型能源系统优化调度方法，该方法首先以发电能耗、碳排放量、系统网损、节点电压偏移量和系统运行能耗为目标构建100%新型能源系统的目标函数。其次利用规格化加权法将多目标问题转换得到单目标优化问题。接下来使用节点撕裂法将区域划分为多区域，各区域独自优化子问题。最后采用colshade方法，通过对每个个体进行适应度评估和选择操作，生成新的个体集合，并不断迭代优化调度策略，最终得到多个目标函数的最优调度方案。所提基于分布式多目标colshade的100%新型能源系统优化调度方法不仅采用了新型能源发电，还解决新型能源系统中的分布式多目标调度问题，实现了对新型能源系统中各个子系统的协同优化调度。

公开(公告)号：CN114897139A

公开(公告)日：2022-08-12

申请号：CN202210497899.7

申请日：2022-05-09

Applicant: 广西大学

Inventor： 殷林飞 ,  孙勤同 ,  胡立坤 ,  张枥仁

IPC: G06N3/04 ,  G06N3/06 ,  G06N10/60 ,  G01M13/045

Abstract: 本发明提出一种排序稳定简化稀疏量子神经网络的轴承故障诊断方法，该方法首先对采集到的轴承故障振动数据进行取绝对值计算，再对取绝对值后的数据按照从小到大的规则排序，然后对经过排序处理的轴承故障振动数据进行归一化处理，再对归一化的轴承故障振动数据进行量子化，最后用开关量子神经网络进行故障分类。所提排序稳定简化稀疏量子神经网络的轴承故障方法能解决电机轴承的故障分类问题，实现在线监测功能，提高了网络稳定性，提高了故障分类的准确度，且提高了网络结构的稳定性。

公开(公告)号：CN117455258A

公开(公告)日：2024-01-26

申请号：CN202311411002.5

申请日：2023-10-28

Applicant: 广西大学

Inventor： 殷林飞 ,  葛威 ,  张枥仁

IPC: G06Q10/0637 ,  H02J3/00 ,  G06Q50/06 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提出一种基于Inception‑v4‑resnet‑v2的电力系统暂态稳定预测方法，该方法为：用拉丁超立方采样方法选择电力系统运行数据，通过大量的离线时域仿真计算数据对应的最小暂态稳定指数；将数据进行处理转换成图片，输入由深度全连接层、Inception‑v4和resnet‑v2共同构建的基于Inception‑v4‑resnet‑v2的电力系统暂态稳定预测模型中进行训练，输出暂态稳定指数，得到基于Inception‑v4‑resnet‑v2的电力系统暂态稳定预测离线模型；通过电力系统在线监测获得在线数据，将处理过的在线数据输入训练好的基于Inception‑v4‑resnet‑v2的电力系统暂态稳定预测离线模型，进行电力系统暂态稳定预测；本发明提高电力系统暂态稳定预测的准确性和评估速度。

公开(公告)号：CN117351287A

公开(公告)日：2024-01-05

申请号：CN202311361963.X

申请日：2023-10-20

Applicant: 广西大学

Inventor： 殷林飞 ,  滕家明 ,  张枥仁

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/44 ,  G06V10/80 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G06T7/00

Abstract: 本发明提出一种基于拒识的ResNet‑Transformer‑深度融合的脑瘤图像分类方法，该脑瘤图像分类方法分别使用ResNet+Attention模型和Transformer模型对脑瘤图像进行特征提取，经过全连接层将二维特征图转化成一维向量，并分别输入香农熵、交叉熵和相对熵中对比，最后使用多标签进行分类，设定输出概率大于等于98%为确诊脑瘤并能识别何种脑瘤类型，输出概率小于等于2%则能确定不存在脑瘤疾病，而处于两者之间的输出概率则进行拒识操作，交由人工二次识别；所提基于拒识的ResNet‑Transformer‑深度融合方法能解决多种脑瘤图像分类问题，实现多种类型的脑瘤疾病和健康图像的精准分类功能，减少出现错误图像进行分类时导致系统乱识别的情况。

公开(公告)号：CN115221706A

公开(公告)日：2022-10-21

申请号：CN202210850554.5

申请日：2022-07-20

Applicant: 广西大学

Inventor： 殷林飞 ,  黄嘉昊 ,  贺晓宇 ,  胡立坤 ,  张枥仁

IPC: G06F30/20 ,  G06F17/16 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种多层区间段分离图神经网络的多点接地线定位方法。该方法主要步骤包括：搭建模拟检测线路，模拟各类接地情况并收集数据，作为训练图神经网络的样本；由图注意力网络自适应地给节点之间分配权重并聚合；由带动量的梯度下降法计算每层训练好的图神经网络的偏差；将偏差转化为权重并分配给每个训练好的图神经网络层；输入实际检测信号；对每层输出进行线性叠加；找出可能接地的节点分离并验算；得到多个不同分支的接地段。所提基于多层图神经网络的配电网接地检测方法能解决多个接地点的接地检测问题，实现在多个接地点情况下得到多个接地段的功能，提高检测精度。