《SA-APSO算法及其在变压器油中局部放电超声定位中的应用》PDF+DOC
作者:徐艳春,王泉,李振兴,李振华,吕密
单位:西安高压电器研究所
出版:《高压电器》2018年第12期
页数:7页 (PDF与DOC格式可能不同)
PDF编号:PDFGYDQ2018120230
DOC编号:DOCGYDQ2018120239
下载格式:PDF + Word/doc 文字可复制、可编辑
《用模式识别法进行油中放电超声定位的研究》PDF+DOC1999年第03期 卢毅,楼樟达,王大忠
《基于粒子群优化算法的变压器局部放电定位新方法》PDF+DOC2006年第03期 唐立军,罗日成,邓敏
《基于粒子群和克隆选择算法的局部放电超声波定位方法》PDF+DOC2010年第05期 郑玲峰,王建元,白志亮,范夕庆,宣科
《交通信息采集无线传感器网络节点部署的微粒群优化方法》PDF+DOC2010年第09期 张和生,周卓楠,潘成,杨军,贾利民
《发电机定子绕组局部放电超声波在线定位分析》PDF+DOC2009年第10期 汪泉弟,杨承河,杨永明,张宇鹏,陆俊杰
《电力变压器局部放电定位方法的现状及发展》PDF+DOC2007年第06期 李军浩,司文荣,王颂,袁鹏,李彦明
《局部放电在线监测系统研制与超声定位研究》PDF+DOC2014年第05期 张智,施晓芬,贾全仓
《基于粒子群优化的WSN覆盖增强算法研究》PDF+DOC2014年第05期 陈维宗,党小超,郝占军
《CW-PSO及其在古建筑传感器优化配置中的应用研究》PDF+DOC2013年第05期 路杨,张晓丽
《电缆附件局部放电超声波检测装置的设计与实验》PDF+DOC2013年第02期 朱英伟,周凯,游世宇,吴雨波,万利,雷勇
针对基本粒子群算法(particle swarm optimization algorithm,PSO)局部寻优能力差及易早熟收敛的情况,提出一种融入模拟退火思路的自适应粒子群混合算法(simulated annealing-adaptive particle swarmoptimization algorithm,SA-APSO),在惯性权重变化-自适应粒子群基础上融入退火思想,以一定的随机概率接收最优值,能有效提升全局寻优能力并克服早熟收敛现象。利用测试函数进行的仿真结果表明SA-APSO算法在结果精度及稳定度上明显优于基本PSO。并将其应用于变压器油中局部放电的定位计算,将结果与基本PSO及自适应粒子群进行比较,结果表明基于SA-APSO的变压器油中局部放电超声定位方法能够实现全局精确定位,且结果稳定,综合误差小于3.7 mm。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。