基于遗传算法的混沌系统二自由度比例-积分-微分控制研究

二自由度比例-积分-微分(PID)控制算法简单、实用，但将其应用于复杂非线性系统控制时参数整定困难.运用改进的遗传算法进行二自由度PID控制器参数优化，参数优化的收敛速度快、准确，将其应用于Chen氏混沌系统和同步电动机混沌系统的控制中，仿真研究收到良好的控制效果. 关键词： 混沌系统 遗传算法 比例-积分-微分控制     

基于遗传算法的统一混沌系统比例-积分-微分控制

提出了一种并行遗传算法用于比例-积分-微分(PID)控制器结构和参数的同时优化,遗传算法采用浮点数和二进制混合矩阵编码.优化后的PID控制器用于统一混沌系统的控制,仿真研 究结果表明：1) 用一个比例-积分(PI)调节器可将统一混沌系统控制到零不动点； 2) 用 三个PI调节器可将统一混沌系统控制到非零不动点；3) 所提出的并行遗传算法具有很强的 全局优化能力,较好地克服了简单遗传算法的过早收敛问题；4) 整个控制系统具有很好的调 节品质和很强的鲁棒性,对PID调节器用于控制混沌系统具有重要的参考价值. 关键词： 混沌 统一混沌系统 遗传算法 比例-积分-微分控制     

基于遗传算法的统一混沌系统比例-积分-微分神经网络解耦控制研究

提出了采用改进的遗传算法优化比例-积分-微分(PID)神经网络解耦控制器的连接权值，从而实现PID控制器参数的优化及非线性多变量系统的解耦控制. 改进的遗传算法优于基本遗传算法，它使寻优过程中的计算量减少，计算效率提高，收敛速度加快. 将优化后的PID神经网络解耦控制器应用于统一混沌系统的控制中，仿真实验收到良好的控制效果，证明了PID控制器应用于统一混沌系统控制的有效性. 关键词： 混沌系统 遗传算法 比例-积分-微分 神经网络     

基于粒子群算法和OGY方法的混沌系统混合控制

利用引导混沌轨道的基本原理,将模拟鸟群寻食过程的粒子群算法用于混沌控制,提出了基于粒子群算法引导混沌轨道的新方法,在此基础上利用混沌参数小扰动控制方法（OGY方法）,把混沌系统稳定到不动点.以Hnon混沌系统为例,仿真表明此方法实现混沌控制有良好效果. 关键词： 混沌控制 粒子群算法 OGY控制 引导轨道     

基于量子粒子群算法的混沌系统同步控制及参数辨识

针对异结构且参数未知混沌系统的同步控制,设计同步控制器并对误差系统的稳定性进行理论分析.通过合理选择优化目标函数,利用量子粒子群算法高效的全局寻优能力,实现混沌系统的未知参数辨识,有效降低同步控制器的开发难度.以Rössler混沌系统与Lorenz混沌系统的异结构同步为研究对象,进行数值仿真实验,结果表明该方法能够实现驱动-响应系统的快速混沌同步及系统未知参数的准确辨识,并验证该方法的可行性和有效性.     

基于混合群智能优化算法的混沌系统参数估计

混沌系统的未知系统参数估计是实现混沌控制和同步的首要问题,通过构造一个合理的适应度函数,可将其转化为一个多维搜索空间的优化问题.提出一种融合改进骨干粒子群算法与改进差分进化算法的混合群智能优化方法来解决上述优化问题.对骨干粒子群算法中的粒子位置更新机制以及差分进化算法中的变异操作、交叉操作、交叉概率因子的设计等进行改进,有效兼顾了种群的多样性与算法的收敛性.在此基础上,讨论骨干粒子群优化算法与差分进化的融合优化策略,实现两个算法的协同进化,进一步提高算法的综合优化性能.用6个基准测试函数以及Lorenz混沌系统为例进行仿真实验,结果表明该方法具有全局寻优能力强、收敛速度快、搜索精度高、稳健性好等优点.     

基于量子并行粒子群优化算法的分数阶混沌系统参数估计

分数阶混沌系统参数估计的本质是多维参数优化问题, 其对于实现分数阶混沌控制与同步至关重要. 提出一种基于量子并行特性的粒子群优化新算法, 用于解决分数阶混沌的系统参数估计问题. 利用量子计算的并行特性, 设计出了一种新的量子编码, 使每代运算的可计算次数呈指数增加. 在此基础上, 构建了由量子当前旋转角、个体最优旋转角和全局最优旋转角共同组成的粒子演化方程, 以约束粒子在量子空间中的运动行为, 使算法的搜索能力得到了较大提高. 以分数阶Lorenz混沌系统和分数阶Chen混沌系统的参数估计为例, 进行了未知参数估计的数值仿真, 结果显示本算法具有良好的有效性、鲁棒性和通用性.     

复杂Dynamos混沌系统的追踪控制与同步

基于系统稳定性理论,设计合适的新型非线性反馈控制器,实现复杂Dynamos混沌系统的状态向量与任意给定的不同参考信号追踪广义投影同步.以追踪控制超混沌系统、混沌系统、正弦余弦信号以及不动点为例,通过改变比例因子,可以获得多个不同混沌系统之间的异结构广义投影同步以及与正弦波形的广义同步,或者将复杂Dynamos混沌系统控制到期望的平衡点.数值仿真进一步表明了该方法的有效性. 关键词： 复杂Dynamos混沌系统 追踪控制 广义投影同步 平衡点     

Chua混沌系统的一种模糊控制器设计——LMI法

研究了Chua混沌系统的稳定控制问题.采用模糊动态模型逼近非线性混沌系统,将非线性混沌系统模糊化为局部线性模型.用Lyapunov稳定性理论设计出,确保模糊动态模型全局渐近稳定的控制器.再用线性矩阵不等式的凸优化方法求出模糊控制器的参数.仿真验证了方案的有效性.模糊控制器简单,规则少. 关键词： Chua混沌系统 模糊动态模型 线性矩阵不等式     

Logistic-Unified混杂混沌系统

提出利用Logistic混沌映射调制Unified混沌系统的参数,构建Logistic-Unified(LU)混杂混沌系统的思想.在Logistic混沌映射产生的随机数值的调制下,Unified混沌系统的参数随机变化,控制LU混杂混沌系统在广义Lorenz系统、Lü系统和广义Chen系统间随机切换,产生极其复杂的混沌信号.用数字信号处理(DSP)芯片对LU混杂混沌系统进行硬件实现,硬件实验与数值仿真结果一致,证明了理论分析的正确性. 关键词： LU混杂混沌系统 切换律 Lyapunov指数 DSP     

基于改进粒子群优化算法的混沌系统参数估计方法

估计混沌系统的未知参数是混沌控制与同步中必须解决的关键问题.利用群集智能的新进展粒子群优化算法(PSO)的全局搜索能力，从初始粒子群的产生、目标函数的处理的角度改进PSO，将改进的PSO引入混沌系统参数估计和在线估计.仿真试验表明，改进算法具有良好的适应性、较高的收敛可靠性及精度，对信号叠加噪声的情形也具有较高的鲁棒性，是混沌系统参数估计的一种成功算法. 关键词： 混沌系统 参数估计 在线估计 粒子群优化算法     

基于混沌粒子群优化算法的异结构混沌反同步自抗扰控制

针对一类连续时间异结构混沌系统, 利用自抗扰控制很强的鲁棒性, 提出了一种异结构混沌系统反同步的自抗扰控制策略.针对所设计的自抗扰控制器参数较多, 难以整定的问题, 提出了应用混沌粒子群优化算法对控制器进行参数寻优设计. 以Lorenz系统和Chua系统两个异结构混沌系统为例进行仿真验证, 由仿真结果可知, 该方法可以实现异结构混沌系统较快的反同步控制, 且具有很强的抗干扰能力. 关键词： 异结构混沌系统反同步 自抗扰控制器 混沌粒子群优化算法 参数寻优     

基于免疫双态微粒群的混沌系统自抗扰控制

利用人工免疫算法及粒子群优化算法融合的优点,提出了一种免疫双态微粒群算法(immune binary-state particle swarm optimization, IBPSO)的自抗扰控制器(IBPSO-ADRC),应用于混沌系统控制,构建一种混沌系统自抗扰控制系统.实验研究表明:该控制方法无需了解动态系统精确模型,具有响应速度快,有效抑制混沌系统参数摄动及较强抗干扰能力的特点. 关键词： 人工免疫系统 微粒群算法 混沌系统 自抗扰控制器     

Synchronization of spatiotemporal chaos in a class of complex dynamical networks

This paper studies the synchronization of complex dynamical networks constructed by spatiotemporal chaotic systems with unknown parameters. The state variables in the systems with uncertain parameters are used to construct the parameter recognizers, and the unknown parameters are identified. Uncertain spatiotemporal chaotic systems are taken as the nodes of complex dynamical networks, connection among the nodes of all the spatiotemporal chaotic systems is of nonlinear coupling. The structure of the coupling functions between the connected nodes and the control gain are obtained based on Lyapunov stability theory. It is seen that stable chaos synchronization exists in the whole network when the control gain is in a certain range. The Gray--Scott models which have spatiotemporal chaotic behaviour are taken as examples for simulation and the results show that the method is very effective.     

Detecting chaos in fractional-order nonlinear systems using the smaller alignment index

The identification between chaos and ordered states in fractional-order chaotic systems is a challenge as well as a hot topic due to the complex of fractional calculus. In this paper, the smaller alignment index (SALI) is developed to detect chaos in the fractional-order chaotic systems by introducing the fractional-order tangent systems. Numerical simulations are carried out based on the fractional-order simplified Lorenz system and the fractional-order Hénon map, which are continuous chaotic system and discrete chaotic system, respectively. It shows that the proposed method is effective for distinguishing chaos and order in different kinds of fractional-order chaotic systems.     

不确定混沌系统的多项式函数模型补偿控制

针对不确定混沌系统控制问题, 研究了一种基于共轭梯度法(conjugate gradient algorithm, CGA)的多项式函数模型 (polynomial-basis-functions model, PBFM)的补偿控制方法. 该方法首先用PBFM对混沌系统的动力学特性进行拟合, 然后用拟合好的PBFM模型对不确定混沌系统进行前馈补偿控制. 该方法的特点是不需要被控混沌系统的数学模型, 可以快速跟踪任意给定的参考信号. 数值仿真试验表明了该方法不仅具有响应速度快、控制精度高, 而且具有较强的抑制混沌系统参数摄动能力和抗干扰能力. 关键词： 混沌控制 多项式函数模型 共轭梯度法     

Controlling chaos using Takagi--Sugeno fuzzy model and adaptive adjustment

In this paper, an approach to the control of continuous-time chaotic systems is proposed using the Takagi--Sugeno (TS) fuzzy model and adaptive adjustment. Sufficient conditions are derived to guarantee chaos control from Lyapunov stability theory. The proposed approach offers a systematic design procedure for stabilizing a large class of chaotic systems in the literature about chaos research. The simulation results on R\"{o}ssler's system verify the effectiveness of the proposed methods.     

不确定混沌系统的径向基函数神经网络反馈补偿控制

对不确定混沌系统控制问题, 研究了一种基于径向基函数神经网络(radial basis function neural network, RBFNN)的反馈补偿控制方法. 该方法首先用RBFNN对混沌系统的动力学特性进行学习, 然后用训练好的RBFNN模型对混沌系统进行反馈补偿控制. 该方法的特点是不需要被控混沌系统的数学模型,可以快速跟踪任意给定的参考信号. 数值仿真试验表明了该控制方法不仅具有响应速度快、控制精度高, 而且具有较强的抑制混沌系统参数摄动能力和抗干扰能力.