公开(公告)号：CN115936240A

公开(公告)日：2023-04-07

申请号：CN202211665231.5

申请日：2022-12-23

Applicant: 暨南大学

Inventor： 郭洪飞 ,  任亚平 ,  赵淑曼 ,  何智慧 ,  童曦 ,  赵治宇

IPC: G06Q10/04 ,  G06Q10/0631 ,  G06Q50/26 ,  G06N3/006 ,  G06F17/15

Abstract: 本发明涉及共享单车需求预测与投放调度方法，所述方法包括以下步骤：S1、建立XGBoost决策树，将相似和相邻的站点聚集成集群；S2、对单个站点的真实需求进行纠偏，并带入到XGBoost决策树中经训练后得到优化的站点聚类结果；S3、根据训练好的XGBoost决策树预测每个站点的借/还车需求；S4、考虑每个站点容量限制和需求到达分布，计算单车的初始投放量；S5、划分城市的调度分区；S6、建立区域内单车调度模型，获得调度路径的最优选择。本发明从共享单车的需求预测和调度优化着手，考虑多种现实情况和现实问题，设计模型和求解方法，为城市共享单车系统的运营决策提供依据，有利于快速实现城市居民的借/还车需求，方便生活，健康出行。

公开(公告)号：CN114186749A

公开(公告)日：2022-03-15

申请号：CN202111546245.0

申请日：2021-12-16

Applicant: 暨南大学

Inventor： 郭洪飞 ,  陈世帆 ,  曾云辉 ,  杨博文 ,  伍泓韬 ,  何智慧 ,  任亚平 ,  李建庆

IPC: G06Q10/04 ,  G06Q10/06 ,  G06Q50/04 ,  G06N3/12 ,  G06N20/20

Abstract: 本发明提供了一种基于强化学习及遗传算法的柔性车间调度方法及模型，属于人工智能技术领域。根据柔性作业车间的特点，建立柔性作业车间调度模型；对遗传算法和基于熵的置信域优化强化学习算法中的基本参数进行初始化；利用基于熵的置信域优化算法更新遗传算法中的参数，并分别对参与交叉和变异的染色体种群进行交叉和变异操作，生成参与交叉和变异的新染色体种群；计算新种群中每个个体的适应度，确定基于熵的置信域优化算法中的状态参数，对新染色体种群执行遗传算法操作；反复执行上述迭代至截止，并输出结果。本发明将基于熵的置信域优化强化学习算法与遗传算法相结合，提高了柔性车间调度的性能，增强车间生产的鲁棒性，提高生产效率。

公开(公告)号：CN113359744A

公开(公告)日：2021-09-07

申请号：CN202110684879.6

申请日：2021-06-21

Applicant: 暨南大学

Inventor： 郭洪飞 ,  陈世帆 ,  曾云辉 ,  何睿潼 ,  姜涛 ,  廖丁为 ,  何智慧 ,  任亚平 ,  张锐

IPC: G05D1/02

Abstract: 本发明公开了一种基于安全强化学习及视觉传感器的机器人避障系统，包括卷积神经模块，所述卷积神经网络模块包括长短期记忆单元；还包括加入LSTM单元、第一卷积层、第二卷积层、第一全连接层、第二全连接层、输出层。本发明采用强化学习算法的增强，使多维，连续，多约束问题能够较好的收敛于信任域内，解决了以往带约束的强化学习算法的诸多问题。可以大幅提高生产安全，普适地应用在不同场合的危险工作上，在解放劳动力的同时，提高了操作安全性、精准性。

公开(公告)号：CN113313063A

公开(公告)日：2021-08-27

申请号：CN202110684484.6

申请日：2021-06-21

Applicant: 暨南大学

Inventor： 郭洪飞 ,  李嘉明 ,  何智慧 ,  任亚平 ,  韩世林 ,  朝宝

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本申请涉及一种麦穗检测方法、电子装置和存储介质，其中，该麦穗检测方法包括：获取待检测的第一小麦图像；分别利用第一注意力机制检测模型和第二注意力机制检测模型对其进行处理，得到第一标签数据和第二标签数据，其中，第一注意力机制检测模型是根据样本小麦图像和对应的标签数据训练得到的，第二注意力机制检测模型是根据第一标签图像和第一标签图像所对应的实测标签数据训练得到的，第一标签图像是根据样本小麦图像和第一标签数据生成的训练数据；基于预设融合算法对第一标签数据和第二标签数据进行融合处理，并确定麦穗检测结果。通过本申请，解决了相关技术中麦穗检测性能差、成本高的问题，实现了麦穗的准确检测。

公开(公告)号：CN113283616A

公开(公告)日：2021-08-20

申请号：CN202110398156.X

申请日：2021-04-14

Applicant: 暨南大学

Inventor： 任亚平 ,  陈志彬 ,  郭洪飞 ,  塔建 ,  朝宝 ,  万明 ,  屈挺

IPC: G06Q10/00 ,  G06Q10/06 ,  G06F17/16 ,  G06F17/18

Abstract: 本发明公开了一种废旧产品拆解序列与拆解深度集成决策方法，包括以下步骤，S1、构建零件回收综合评价指标体系；S2、数据收集及预处理；S3、利用Choquet积分计算零件的回收评价值；S4、构造废旧产品的拆解优先图并赋予节点对应的零件的回收评价值；S5、采用拓扑排序的方法结合零件回收评价值确定完全拆解序列；S6、构造拆解深度价值曲线；S7、进行拆解深度决策。本发明方法与传统的优化方法相比，在保证解的质量的同时极大的缩短了求解废旧产品最佳拆解序列与拆解深度的速度，并且通过合理评价零件的回收效益提高了求得解的可靠性。

公开(公告)号：CN119646650A

公开(公告)日：2025-03-18

申请号：CN202411669851.5

申请日：2024-11-21

Applicant: 暨南大学

Inventor： 郭洪飞 ,  钟方 ,  任亚平 ,  何智慧 ,  朝宝

IPC: G06F18/2415 ,  G06F18/214 ,  G06F18/25 ,  G06N7/01 ,  G06F17/16

Abstract: 本发明提出了基于Dirichlet分布的废旧零部件状态映射模型构建方法，针对废旧零部件质量评估的不确定性问题，构建一种基于Dirichlet分布的损伤‑质量状态映射模型(DBMS)，该模型通过对废旧零部件失效行为分析确定主要失效特征，采用多项分布对零部件损伤量数据进行数学抽象，选取Dirichlet分布作为先验概率分布，结合贝叶斯公式更新得到后验分布参数，从而获得损伤量数据映射到不同质量等级的后验概率期望值。进一步，引入D‑S证据理论融合损伤信息，实现对废旧零部件质量状况的综合评估。为了验证模型的可行性和有效性，以废旧涡轮蜗杆为案例研究对象，并与现有文献方法进行对比，实验结果显示，该模型在预测精度和泛化能力上具有优势。

公开(公告)号：CN117517974B

公开(公告)日：2024-11-05

申请号：CN202311513965.6

申请日：2023-11-14

Applicant: 暨南大学 ,  内蒙古科学技术研究院

Inventor： 郭洪飞 ,  任亚平 ,  何智慧 ,  朝宝 ,  郭海全 ,  赵敏

IPC: G01R31/367 ,  G01R31/392

Abstract: 本发明公开了一种表征动力电池循环老化衰退机理的方法，该方法包括以下步骤：孪生数据驱动的动力电池多尺度等效电路模型的构建；多因素耦合影响下动力电池循环老化衰退机理的表征；其中，动力电池循环衰退老化是在多特征工况循环以及多物理场参数耦合的共同作用下产生；形成电池电容多重衰退模型方程式，用以表征动力电池循环老化电容的衰退趋势，从而能够根据方程式所绘制的衰退曲线，来表征动力电池电容随服役周期的变化，通过曲线变化的拐点，作为不同生命周期的切换点，从而清晰的反映动力电池随服役周期变化的电容含量，方便对即将退役的动力电池进行精确的分析，从而选择不同的回收方式进行回收，降低成本和提高电池的利用率。

公开(公告)号：CN113065480B

公开(公告)日：2023-07-07

申请号：CN202110382382.9

申请日：2021-04-09

Applicant: 暨南大学

Inventor： 郭洪飞 ,  李嘉明 ,  任亚平 ,  何智慧 ,  朝宝

IPC: G06V30/22 ,  G06V30/16 ,  G06V30/162 ,  G06V30/146 ,  G06V30/164 ,  G06V30/18 ,  G06V30/19 ,  G06V10/764 ,  G06V10/34

Abstract: 本申请涉及书法作品风格的识别方法、装置、电子装置和存储介质，其中，该书法作品风格的识别方法包括：通过获取待识别的书法作品图像；对书法作品图像进行预处理，并对预处理后的图像进行书法字定位裁剪，得到至少一幅字图像，其中，预处理包括：中值滤波降噪处理、二值化处理、腐蚀膨胀的形态学图像处理；利用胶囊网络模型处理至少一幅字图像，获得每一幅字图像对应的第一分类标签，其中，胶囊网络模型被训练为用于根据字图像得到与该字图像对应的分类标签；根据第一分类标签确定书法作品图像的风格识别结果。通过本申请，解决了相关技术中书法作品风格的识别准确率低、效率不高的问题，实现了书法作品风格的快速准确识别。

公开(公告)号：CN113239639B

公开(公告)日：2022-08-26

申请号：CN202110728541.6

申请日：2021-06-29

Applicant: 暨南大学

Inventor： 郭洪飞 ,  陈世帆 ,  曾云辉 ,  何智慧 ,  任亚平 ,  张锐 ,  韩世林

IPC: G06F30/27 ,  G06N20/00

Abstract: 本申请涉及策略信息生成方法、装置、电子装置和存储介质，其中，该策略信息生成方法包括：从预设仿真模型中，获取对应的生产运行状态数据，其中，预设仿真模型用于表征工业生产线的运行；对生产运行状态数据进行处理，得到工业生产线的设备所对应的设备状态信息及第一动作策略信息，其中，第一动作策略信息用于指示设备按预设的运行参数进行工作；在接收到策略信息生成请求的情况下，获取工业生产线当前设备状态信息，并通过预设的强化训练模型对当前设备状态信息进行处理，生成对应的策略信息。通过本申请，解决了相关技术中对包括离散任务的生产线自动化优化配置效果差的问题，实现了利用人工智能进行各类不同生产线的优化策略。

公开(公告)号：CN113393495B

公开(公告)日：2022-02-01

申请号：CN202110685692.8

申请日：2021-06-21

Applicant: 暨南大学

Inventor： 郭洪飞 ,  马向东 ,  曾云辉 ,  陈柄赞 ,  何智慧 ,  任亚平 ,  张锐

IPC: G06T7/246 ,  G06T7/277 ,  G06T5/00 ,  G06T5/50 ,  G06T3/00 ,  G06V20/10 ,  G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于强化学习的高空抛物轨迹识别方法。所述方法包括：通过图像传感器采集被监控窗户区域的高空抛物轨迹图像；对所述高空抛物轨迹图像进行预处理得到预处理图像信息；根据所述预处理图像信息判断所述图像传感器是否被遮挡；在判断所述图像传感器未被遮挡时，将所述预处理图像信息输入至处理器，所述处理器获取经过强化学习后的预训练目标模型，并通过所述预训练目标模型对所述预处理图像信息进行高空抛物识别得到高空抛物识别结果信息；所述处理器将高空抛物识别结果信息存储至数据存储单元和云服务器及储存器中，以对所述预训练目标模型进行训练及更新。本发明通过强化学习模型对高空抛物轨迹进行识别，提高了识别准确率。