公开(公告)号：CN117520848A

公开(公告)日：2024-02-06

申请号：CN202311542573.2

申请日：2023-11-20

Applicant: 东北林业大学

Inventor： 谢怡宁 ,  高聪 ,  石江涛 ,  阳开华 ,  赵志超

IPC: G06F18/214 ,  G06F18/10 ,  G06F18/213 ,  G06F18/25 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/094 ,  G06N3/0464 ,  G06N3/048

Abstract: 基于多通道融合的变体生成对抗网络故障数据生成方法，本发明涉及工业生产中，振动故障数据质量低，故障数据严重稀缺的问题。振动故障数据在工业领域中具有关键作用，可用于确保设备的可靠性，提高生产效率、降低成本，提高工作环境的安全性。然而在工业生产中，工业设备发生故障事件的概率较低，故障数据的收集相当受限，且涉及数据隐私问题，各工厂间数据无法互通和共享，振动故障数据严重稀缺。为改善这一问题，本发明提出了基于多通道融合的变体生成对抗网络故障数据生成方法。实验表明，该方法能够有效的解决各工厂故障数据稀缺的问题，生成的数据逼真、连续、质量高，同时保证了故障数据的隐私性。本发明应用于工厂故障数据稀缺的情况。

公开(公告)号：CN116383739B

公开(公告)日：2024-01-30

申请号：CN202310325167.4

申请日：2023-03-30

Applicant: 东北林业大学

Inventor： 谢怡宁 ,  石江涛 ,  高聪 ,  赵志超 ,  朱银平

IPC: G06F18/243 ,  G06F18/25 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/096 ,  G06F123/02

Abstract: 基于域自适应的多模态数据融合的智能故障诊断系统，本发明涉及智能故障诊断、人工智能、深度学习、迁移学习。本发明是为了解决在变工况条件下对故障进行智能诊断的问题。系统包括：采集不同工况条件下的故障振动信号数据；对采集的数据通过快速傅里叶变换转为二维的频域图像；对已知数据样本打上真实标签；通过已知数据样本训练分类器；将目标数据和已知数据的特征进行对齐以减小差异；通过分类器对目标数据进行分类来实现智能故障诊断。本发明用于基于域自适应的多模态数据融合的智能故障诊断领域。

公开(公告)号：CN116630965A

公开(公告)日：2023-08-22

申请号：CN202310325143.9

申请日：2023-03-30

Applicant: 东北林业大学

Inventor： 谢怡宁 ,  陈晓凯 ,  朱银平 ,  张宇明 ,  石江涛

IPC: G06V20/69 ,  G06V10/764 ,  G06V10/82 ,  G06V10/26 ,  G06V10/774 ,  G06T7/00 ,  G06N3/045 ,  G06N3/09

Abstract: 面向胃镜活检智能诊断的组织病理图像分类方法，本发明涉及智能诊断、人工智能、深度学习，对胃癌组织图像中异常区域进行病理分类。胃癌的组织病理学图像包含了足够的特征信息，在胃癌的诊断和治疗中起着至关重要的作用。通过深度学习技术对胃癌组织病理学图像进行自动分类，分类结果可以帮助病理医生从大量胃癌图像中快速区分不同类型的病变，来减少诊断时间，提高胃癌预防和诊断效率，提高病理学家诊断结果的准确性。本发明提出了面向胃镜活检智能诊断的组织病理图像分类方法。实验表明，该方法可以对胃癌组织病理图像进行更精准的病理分类。

公开(公告)号：CN116029367A

公开(公告)日：2023-04-28

申请号：CN202211673158.6

申请日：2022-12-26

Applicant: 东北林业大学

Inventor： 谢怡宁 ,  高聪 ,  石江涛 ,  刘柏森 ,  郭金润

IPC: G06N3/098 ,  G06N3/045 ,  G06N3/042 ,  G06N5/022

Abstract: 一种基于个性化联邦学习的故障诊断模型优化方法，本发明涉及航空发动机振动信号故障诊断技术中，数据不充分导致的数据孤岛问题以及传统联邦学习缺乏个性化解决方案的问题。联邦学习通过服务器聚合各客户端训练的本地模型，平均后再下发至各客户端，在航空航天领域故障诊断方面有广阔的发展前景。然而联邦学习在高度异构的数据上收敛效果差，且下发至各客户端的全局模型缺乏个性化，导致振动故障诊断的效果不理想。为改善这一问题，本发明提出了一种基于知识蒸馏的个性化联邦学习方法。实验表明，该方法能够有效的解决各客户端数据异构导致模型收敛性差的问题，为各客户端训练独特的个性化模型。本发明应用于客户端数据异构情况下的故障诊断。

公开(公告)号：CN116383739A

公开(公告)日：2023-07-04

申请号：CN202310325167.4

申请日：2023-03-30

Applicant: 东北林业大学

Inventor： 谢怡宁 ,  石江涛 ,  高聪 ,  赵志超 ,  朱银平

IPC: G06F18/243 ,  G06F18/25 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/096 ,  G06F123/02

Abstract: 基于域自适应的多模态数据融合的智能故障诊断系统，本发明涉及智能故障诊断、人工智能、深度学习、迁移学习。本发明是为了解决在变工况条件下对故障进行智能诊断的问题。系统包括：采集不同工况条件下的故障振动信号数据；对采集的数据通过快速傅里叶变换转为二维的频域图像；对已知数据样本打上真实标签；通过已知数据样本训练分类器；将目标数据和已知数据的特征进行对齐以减小差异；通过分类器对目标数据进行分类来实现智能故障诊断。本发明用于基于域自适应的多模态数据融合的智能故障诊断领域。