大學新專利動態 (2026-07-13)
A composite fault diagnosis method for wind and wave collaborative power generation systems based on hippo optimization algorithm and deep migration residual convolutional network
一种基于河马优化算法及深度迁移残差卷积网络的风浪协同发电系统复合故障诊断方法
公開（公告）號:
CN122346719A
公開（公告）日:
2026-07-13
申請人:
澳門大學; 昆明理工大學; University of Macau; Kunming University Of Science And Technology
發明人:
王百鍵; 高智江; 趙晶; 那靖; 黃英博; Wang Baijian; Gao Zhijiang; Zhao Jing; Na Jing; Huang Yingbo
技術領域:
電腦技術; 引擎、幫浦、渦輪機; Computer technology; Engines, pumps, turbines
本發明針對跨域風浪協同發電系統的故障診斷問題，提出了一種深度學習模型。該模型結合了遷移學習策略和河馬算法（HOA）優化的深度殘差卷積神經網絡架構。首先，本研究構建了一個包含多工況下的故障源域數據集，利用深度學習技術從中提取關鍵故障特徵，並訓練了一個高效的故障診斷模型。其次，考慮到目標領域數據可能存在的稀疏性問題，本研究通過最大均值差異（MMD）度量方法來量化源域和目標域之間的故障特徵分佈差異，以提升故障診斷模型的跨域診斷能力。進一步地，藉助河馬優化算法對故障診斷模型超參數進行優化，有效提升了模型在目標領域的泛化能力和診斷精度。最後，通過一個具體實施案例驗證所提出故障診斷算法的診斷能力。本發明為風浪協同發電系統的實際故障診斷工作提供了一種新的技術途徑，有助於提升該系統故障診斷精度，縮短系統故障停機時間。
公開（公告）號:
CN122346719A
公開（公告）日:
2026-07-13
申請人:
澳門大學; 昆明理工大學; University of Macau; Kunming University Of Science And Technology
發明人:
王百鍵; 高智江; 趙晶; 那靖; 黃英博; Wang Baijian; Gao Zhijiang; Zhao Jing; Na Jing; Huang Yingbo
技術領域:
電腦技術; 引擎、幫浦、渦輪機; Computer technology; Engines, pumps, turbines
本發明針對跨域風浪協同發電系統的故障診斷問題，提出了一種深度學習模型。該模型結合了遷移學習策略和河馬算法（HOA）優化的深度殘差卷積神經網絡架構。首先，本研究構建了一個包含多工況下的故障源域數據集，利用深度學習技術從中提取關鍵故障特徵，並訓練了一個高效的故障診斷模型。其次，考慮到目標領域數據可能存在的稀疏性問題，本研究通過最大均值差異（MMD）度量方法來量化源域和目標域之間的故障特徵分佈差異，以提升故障診斷模型的跨域診斷能力。進一步地，藉助河馬優化算法對故障診斷模型超參數進行優化，有效提升了模型在目標領域的泛化能力和診斷精度。最後，通過一個具體實施案例驗證所提出故障診斷算法的診斷能力。本發明為風浪協同發電系統的實際故障診斷工作提供了一種新的技術途徑，有助於提升該系統故障診斷精度，縮短系統故障停機時間。
An intelligent diagnosis method for wind and wave power generation composite faults based on CNN-LSTM and transfer learning
一种基于CNN-LSTM和迁移学习的风浪发电复合故障智能诊断方法
公開（公告）號:
CN122346720A
公開（公告）日:
2026-07-13
申請人:
珠海澳大科技研究院；澳門大學; Zhuhai UM Science & Technology Research Institute (ZUMRI); University of Macau
發明人:
王百鍵；周復求；趙晶；高智江; Wang Baijian; Zhou Fuqiu; Zhao Jing; Gao Zhijiang
技術領域:
電腦技術 Computer technology
本發明公開了一種風浪協同發電系統複合故障診斷方法，該方法結合了卷積神經網路（CNN）、長短期記憶網路（LSTM）與遷移學習技術，旨在解決風浪協同發電系統在複雜工況和低信噪比條件下微弱訊號識別、複合故障解耦及跨工況智慧診斷的難題。透過CNN提取振動訊號中的局部特徵，LSTM捕捉時間序列資料的長期依賴關係，增強了對微弱訊號的識別能力。利用雙通道CNN‑LSTM架構，實現對複合故障模式的精確識別和分離。此外，透過特徵遷移學習策略，確保模型在不同工況下保持較高的診斷準確率，提高了發電系統對工況變化的適應性和穩健性。本發明顯著提高了風浪協同發電系統故障診斷的準確性和效率，適用於風浪協同發電系統的即時監控與維護。
公開（公告）號:
CN122346720A
公開（公告）日:
2026-07-13
申請人:
珠海澳大科技研究院；澳門大學; Zhuhai UM Science & Technology Research Institute (ZUMRI); University of Macau
發明人:
王百鍵；周復求；趙晶；高智江; Wang Baijian; Zhou Fuqiu; Zhao Jing; Gao Zhijiang
技術領域:
電腦技術 Computer technology
本發明公開了一種風浪協同發電系統複合故障診斷方法，該方法結合了卷積神經網路（CNN）、長短期記憶網路（LSTM）與遷移學習技術，旨在解決風浪協同發電系統在複雜工況和低信噪比條件下微弱訊號識別、複合故障解耦及跨工況智慧診斷的難題。透過CNN提取振動訊號中的局部特徵，LSTM捕捉時間序列資料的長期依賴關係，增強了對微弱訊號的識別能力。利用雙通道CNN‑LSTM架構，實現對複合故障模式的精確識別和分離。此外，透過特徵遷移學習策略，確保模型在不同工況下保持較高的診斷準確率，提高了發電系統對工況變化的適應性和穩健性。本發明顯著提高了風浪協同發電系統故障診斷的準確性和效率，適用於風浪協同發電系統的即時監控與維護。
Image denoising method, electronic device and storage medium [Granted Patent]
影像去雜訊方法、電子裝置及儲存媒體 [授權專利]
公開（公告）號:
US12675849B2
公開（公告）日:
2026-07-13
申請人:
澳門大學; University of Macau
發明人:
Seng Peng Mok; Yu Du
技術領域:
電腦技術 Computer technology
本公開提供一種影像去雜訊方法、電子裝置及儲存媒體。該方法包括：取得預設數量的全劑量影像及低劑量影像；根據所述全劑量影像及低劑量影像訓練預設的深度學習模型，其中，所述深度學習模型包括多頻帶去雜訊網路，所述多頻帶去雜訊網路包括一個多頻帶分離模組、N個去雜訊模組及一個加總模組；取得待去雜訊影像，並透過訓練後的深度學習模型中的多頻帶去雜訊網路，對所述待去雜訊影像進行去雜訊處理。
公開（公告）號:
US12675849B2
公開（公告）日:
2026-07-13
申請人:
澳門大學; University of Macau
發明人:
Seng Peng Mok; Yu Du
技術領域:
電腦技術 Computer technology
本公開提供一種影像去雜訊方法、電子裝置及儲存媒體。該方法包括：取得預設數量的全劑量影像及低劑量影像；根據所述全劑量影像及低劑量影像訓練預設的深度學習模型，其中，所述深度學習模型包括多頻帶去雜訊網路，所述多頻帶去雜訊網路包括一個多頻帶分離模組、N個去雜訊模組及一個加總模組；取得待去雜訊影像，並透過訓練後的深度學習模型中的多頻帶去雜訊網路，對所述待去雜訊影像進行去雜訊處理。
An intelligent diagnosis method for wind and wave power generation composite faults based on Information-LSTM and transfer learning
一种基于Informer-LSTM和迁移学习的风浪发电复合故障智能诊断方法
公開（公告）號:
CN122364846A
公開（公告）日:
2026-07-13
申請人:
珠海澳大科技研究院；澳門大學; Zhuhai UM Science & Technology Research Institute (ZUMRI); University of Macau
發明人:
王百鍵；周復求；趙晶；高智江; Wang Baijian; Zhou Fuqiu; Zhao Jing; Gao Zhijiang
技術領域:
電腦技術; 引擎、幫浦、渦輪機; Computer technology; Engines, pumps, turbines
本發明公開一種基於 Informer‑LSTM 與遷移學習的風浪發電複合故障智慧診斷方法。該方法透過蒐集風浪協同發電系統的多感測器資料，經預處理後，採用 Informer‑LSTM 混合架構進行特徵擷取與模式辨識。Informer 利用 ProbSparse 自注意力機制，高效擷取長序列中的長期相依關係，顯著降低運算複雜度；LSTM 則著重於局部時序特徵，提升對微弱訊號的辨識能力。兩者結合可實現複合故障的有效解耦與精準診斷。為解決小樣本及跨工況泛化的難題，本發明引入遷移學習機制：先於來源域的大規模資料上預訓練基礎模型，再遷移至目標域，並利用少量標註資料進行微調，結合 MMD 領域自適應進一步最佳化分布對齊。該方法於複雜海洋環境下展現出高準確率、強健的魯棒性及良好的泛化能力，適用於風浪協同發電系統的即時智慧故障診斷與運維，具備顯著的工程應用價值。
公開（公告）號:
CN122364846A
公開（公告）日:
2026-07-13
申請人:
珠海澳大科技研究院；澳門大學; Zhuhai UM Science & Technology Research Institute (ZUMRI); University of Macau
發明人:
王百鍵；周復求；趙晶；高智江; Wang Baijian; Zhou Fuqiu; Zhao Jing; Gao Zhijiang
技術領域:
電腦技術; 引擎、幫浦、渦輪機; Computer technology; Engines, pumps, turbines
本發明公開一種基於 Informer‑LSTM 與遷移學習的風浪發電複合故障智慧診斷方法。該方法透過蒐集風浪協同發電系統的多感測器資料，經預處理後，採用 Informer‑LSTM 混合架構進行特徵擷取與模式辨識。Informer 利用 ProbSparse 自注意力機制，高效擷取長序列中的長期相依關係，顯著降低運算複雜度；LSTM 則著重於局部時序特徵，提升對微弱訊號的辨識能力。兩者結合可實現複合故障的有效解耦與精準診斷。為解決小樣本及跨工況泛化的難題，本發明引入遷移學習機制：先於來源域的大規模資料上預訓練基礎模型，再遷移至目標域，並利用少量標註資料進行微調，結合 MMD 領域自適應進一步最佳化分布對齊。該方法於複雜海洋環境下展現出高準確率、強健的魯棒性及良好的泛化能力，適用於風浪協同發電系統的即時智慧故障診斷與運維，具備顯著的工程應用價值。
Harmonic self-aligned voltage-controlled resonators and frequency synthesizers
谐波自对齐的压控谐振器以及频率合成器
公開（公告）號:
CN122371923A
公開（公告）日:
2026-07-13
申請人:
澳門大學; University of Macau
發明人:
吴悦; 彭亚涛; 殷俊; 马许愿; 麦沛然; Wu Yue; Peng Yatao; Yin Jun; Ma Xuyuan; Mai Peiran
技術領域:
基本通訊流程 Basic communication processes
本申請提供一種諧波自對齊的壓控諧振器以及頻率合成器，屬於諧振器技術領域。其中，四模變壓器的各連接埠分別連接一個電容開關陣列，以維持各連接埠之間的電容對稱性；一組負跨導電晶體連接至四模變壓器的第一連接埠與第二連接埠之間，另一組負跨導電晶體連接至四模變壓器的第三連接埠與第四連接埠之間，負跨導電路用於提供負阻以補償四模變壓器的損耗；阻抗平衡單元中的各電容分別與第一連接埠、第四連接埠的兩端連接，用於平衡四模變壓器的各連接埠的阻抗；模式切換單元連接在第二連接埠與第三連接埠之間，用於控制四模變壓器的本振模式的切換。本申請可以達到簡化量子位元測控系統的鎖相環設計、改善深低溫場景下相位雜訊性能，並提供可靠的本振訊號源的效果。
公開（公告）號:
CN122371923A
公開（公告）日:
2026-07-13
申請人:
澳門大學; University of Macau
發明人:
吴悦; 彭亚涛; 殷俊; 马许愿; 麦沛然; Wu Yue; Peng Yatao; Yin Jun; Ma Xuyuan; Mai Peiran
技術領域:
基本通訊流程 Basic communication processes
本申請提供一種諧波自對齊的壓控諧振器以及頻率合成器，屬於諧振器技術領域。其中，四模變壓器的各連接埠分別連接一個電容開關陣列，以維持各連接埠之間的電容對稱性；一組負跨導電晶體連接至四模變壓器的第一連接埠與第二連接埠之間，另一組負跨導電晶體連接至四模變壓器的第三連接埠與第四連接埠之間，負跨導電路用於提供負阻以補償四模變壓器的損耗；阻抗平衡單元中的各電容分別與第一連接埠、第四連接埠的兩端連接，用於平衡四模變壓器的各連接埠的阻抗；模式切換單元連接在第二連接埠與第三連接埠之間，用於控制四模變壓器的本振模式的切換。本申請可以達到簡化量子位元測控系統的鎖相環設計、改善深低溫場景下相位雜訊性能，並提供可靠的本振訊號源的效果。
Use of Konjac Glucomannan and Derivative Thereof, Glucomannan Caprylate, Nanoparticles and Coating Obtained from Glucomannan Caprylate, Preparation Method for Nanoparticles, and Use of Glucomannan Caprylate, Nanoparticles or Coating
魔芋葡甘聚醣及其衍生物的用途、葡甘聚醣辛酸鹽、由葡甘聚醣辛酸鹽獲得的奈米顆粒和塗層、奈米顆粒的製備方法及其用途
公開（公告）號:
EP4772202A1
公開（公告）日:
2026-07-13
申請人:
澳門大學; University of Macau
發明人:
Wang, Chunming; Liu, Yu; Zhang, Zhe
技術領域:
醫療技術 Medical technology
公開了魔芋葡甘聚糖及其衍生物葡甘聚糖辛酸酯、由葡甘聚糖辛酸酯製得的奈米顆粒和塗層、奈米顆粒的製備方法，以及葡甘聚糖辛酸酯、奈米顆粒或塗層的用途，涉及醫藥與材料化學技術領域。魔芋葡甘聚糖及其衍生物可作為細胞外基質填充材料。透過酯化反應對魔芋葡甘聚糖進行改質所得到的葡甘聚糖辛酸酯，以及進一步由其製得的奈米顆粒或葡甘聚糖辛酸酯塗層，均可用於製備調控髓核細胞功能的藥物或材料，尤其可用於製備緩解或治療椎間盤退化的藥物或材料。葡甘聚糖辛酸酯具有無毒、易取得及良好組織相容性的特點，並可依需求製備成不同劑型。本揭露為改善椎間盤退化微環境提供了一項新思路，同時亦提出基於多醣衍生物生物材料的新用途。
公開（公告）號:
EP4772202A1
公開（公告）日:
2026-07-13
申請人:
澳門大學; University of Macau
發明人:
Wang, Chunming; Liu, Yu; Zhang, Zhe
技術領域:
醫療技術 Medical technology
公開了魔芋葡甘聚糖及其衍生物葡甘聚糖辛酸酯、由葡甘聚糖辛酸酯製得的奈米顆粒和塗層、奈米顆粒的製備方法，以及葡甘聚糖辛酸酯、奈米顆粒或塗層的用途，涉及醫藥與材料化學技術領域。魔芋葡甘聚糖及其衍生物可作為細胞外基質填充材料。透過酯化反應對魔芋葡甘聚糖進行改質所得到的葡甘聚糖辛酸酯，以及進一步由其製得的奈米顆粒或葡甘聚糖辛酸酯塗層，均可用於製備調控髓核細胞功能的藥物或材料，尤其可用於製備緩解或治療椎間盤退化的藥物或材料。葡甘聚糖辛酸酯具有無毒、易取得及良好組織相容性的特點，並可依需求製備成不同劑型。本揭露為改善椎間盤退化微環境提供了一項新思路，同時亦提出基於多醣衍生物生物材料的新用途。