基于免疫记忆人工鱼群算法的局部放电超声定位方法

李振浩; 李英娜; 张长胜; 李川

doi:10.13873/J.1000-9787(2017)03-0073-03

Chinese

您当前的位置：

首页 >

文章列表页 >

基于免疫记忆人工鱼群算法的局部放电超声定位方法

研究与探讨 | 更新时间：2025-09-11

- 基于免疫记忆人工鱼群算法的局部放电超声定位方法
- Ultrasonic localization method of partial discharge based on immune memory AFSA algorithm
- 传感器与微系统 2017年36卷第3期页码：73-75+83
- 作者机构：
  
  昆明理工大学信息工程与自动化学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目（51567013）
- DOI：10.13873/J.1000-9787(2017)03-0073-03
  中图分类号： TP18;TM855
- 纸质出版：2017
- 稿件说明：
移动端阅览
[1]李振浩,李英娜,张长胜,李川.基于免疫记忆人工鱼群算法的局部放电超声定位方法[J].传感器与微系统,2017,36(03):73-75+83.

LI Zhen-hao, LI Ying-na, ZHANG Chang-sheng, et al. Ultrasonic localization method of partial discharge based on immune memory AFSA algorithm[J]. 2017, 36(3): 73-75+83.
[1]李振浩,李英娜,张长胜,李川.基于免疫记忆人工鱼群算法的局部放电超声定位方法[J].传感器与微系统,2017,36(03):73-75+83. DOI： 10.13873/J.1000-9787(2017)03-0073-03.

LI Zhen-hao, LI Ying-na, ZHANG Chang-sheng, et al. Ultrasonic localization method of partial discharge based on immune memory AFSA algorithm[J]. 2017, 36(3): 73-75+83. DOI： 10.13873/J.1000-9787(2017)03-0073-03.

摘要

针对人工鱼群算法（AFSA）在局部放电超声定位中存在定位精度较低

容易陷入局部最优解的问题

在AFSA中引入免疫调节机制和免疫记忆特性

提出一种基于免疫记忆AFSA的局部放电超声定位方法

并将其定位效果与基本AFSA、遗传算法（GA）和免疫算法进行对比。算例仿真表明:免疫记忆人工鱼群算法的定位精度更高、综合误差最小、收敛速度更快

定位效果都优于其它三种智能算法。

Abstract

Aiming at problem of lower positioning precision and easy to fall into local optimal solution of artificial fish swarm algorithm（ AFSA） in partial discharge ultrasound positioning

introduce mechanisms of immune regulation and immune memory characteristics into AFSA

propose a partial discharge ultrasonic positioning method based on immune memory AFSA positioning is compared with basic AFSA

genetic algorithm（ GA） and immune algorithm. Simulation example shows that immune memory AFSA has higher positioning precision

minimum comprehensive error

faster convergence speed

better positioning effect than the other three intelligent algorithms.

关键词

Keywords

references

改进人工鱼群算法的小波神经网络模型 [J]. 刘杰,甘旭升,戴喆,魏野. 火力与指挥控制 . 2015(12)

人工鱼群算法改进方法概述 [J]. 费腾,张立毅. 电子设计工程 . 2015(21)

序列二次规划-遗传算法及其在变压器局部放电超声定位中的应用 [J]. 刘化龙,胡钋. 电网技术 . 2015(01)

基于混合遗传算法的变压器局部放电超声定位法 [J]. 刘化龙,胡钋,青志明. 兰州理工大学学报 . 2014(06)

基于自适应粒子群算法的变压器局部放电定位研究 [J]. 白晨,王旭红. 电力学报 . 2014(03)

文化粒子群算法在超声波定位中的应用 [J]. 马立新,陶鹏举. 电测与仪表 . 2014(03)

电气设备局部放电的超声波检测方法 [J]. 张宇鹏,杨永明,杨承河,王波. 压电与声光 . 2010(03)

基于思维进化算法的变压器局部放电源定位新方法 [J]. 吕青,谢克明,杜永贵. 太原理工大学学报 . 2010(02)

电力变压器局部放电定位方法的现状及发展 [J]. 李军浩,司文荣,王颂,袁鹏,李彦明. 变压器 . 2007(06)

免疫粒子群优化算法 [J]. 高鹰,谢胜利. 计算机工程与应用 . 2004(06)

超声波法进行变压器局部放电模式识别的研究 [J]. 李燕青,陈志业,律方成,刘云鹏. 中国电机工程学报 . 2003(02)

电力变压器局部放电超声波定位的研究 [D]. 董自胜. 华中科技大学 2011

大型变压器内局部放电激发超声波的机理及其传播特性研究 [D]. 杨宏. 长沙理工大学 2011

人工鱼群算法的分析及改进 [D]. 王闯. 大连海事大学 2008

浏览量

164

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于多种群遗传算法的局部放电射频磁场传感器特性研究

变压器局放监测与改进BP神经网络预测模型研究

光纤F-P腔传感器特性研究

联合高频脉冲与超声波信号的局放估计

GIS局部放电检测的有源外置UHF传感器设计