Hénon混沌系统的追踪控制与同步

基于离散线性系统的稳定性理论,实现了Hénon混沌系统对参考信号的追踪控制.讨论了系统的同步问题,给出了“异结构混沌同步”的新概念.数值仿真表明了本文方法的有效性 关键词： Hénon混沌系统 追踪控制 混沌同步     

Hénon混沌系统的广义预测控制与同步快速算法

提出了一种带有终端滑模等式约束的Hénon混沌系统的广义预测控制快速算法.该方法将广义预测控制与离散滑模控制结合起来运用到Hénon混沌系统中，并采用柔化输入信号的方法，避免了广义预测控制算法中的高维矩阵求逆.占用内存小，计算速度快，并且具有较强的跟踪给定信号和抑制系统参数摄动和随机噪声的能力.仿真结果验证了该方法的有效性和快速性. 关键词： 广义预测控制 离散滑模控制 Hénon混沌系统 混沌同步     

分数阶Chua's系统错位同步无感模块化电路实现及应用

基于分数阶混沌系统稳定性理论, 设计高效的非线性控制器, 实现初始值不同的两个分数阶Chua's系统错位投影同步. 根据分数阶复频域近似方法, 提出分数阶系统的等效电路, 实现分数阶Chua's系统错位投影同步的无感模块化电路. 最后,利用改进的混沌掩盖通信原理, 将以上同步方案应用于混沌保密通信中, 在发送端使用分数阶混沌序列对有用信号加密传送, 从接收端可以无失真地恢复出有用信号. 数值仿真与电路仿真证实了提出方案的可行性. 关键词： 分数阶Chua's系统 错位投影同步 无感模块化电路 保密通信     

Hénon混沌系统的预测控制与同步

用带有终端滑模等式约束的模型预测控制方法,对Hénon映象和Logistic映象的追踪控制和同步进行研究.由于滑动模态的引入,提高了受控系统抑制参数摄动和随机扰动的能力,改善了控制系统的鲁棒性,实现了系统对参考信号的追踪控制.数值仿真表明了该方法的有效性. 关键词： Hénon系统 预测控制 混沌同步     

广义Hénon映射的滑模变结构控制同步

基于可线性化的非线性离散变结构跟踪控制方法实现了广义Hénon映射混沌系统的同步.广义Hénon映射的混沌吸引子比Hénon映射的混沌吸引子要复杂得多,对于保密通信来说,这种复杂性正是所期望的.提出的同步方法允许参数有适当的失配程度,这对工程实现是非常有利的,理论分析和仿真结果证实了该方法的有效性 关键词： 广义Hénon映射 混沌 同步 变结构控制     

Hénon混沌系统的自适应预测函数控制快速算法

提出了一种带有预测函数的Hénon 混沌系统的广义预测控制快速算法.首先用时变遗忘因子的递推最小二乘方法辨识混沌系统,然后在广义预测控制的基础上引入了预测函数控制方法,并充分利用了预测信息的补偿作用.这种算法克服了广义预测控制中求解逆矩阵的缺点,提高了系统响应的速度,并且具有较强的跟踪给定信号、抑制系统参数摄动和随机噪声的能力.仿真结果验证了该方法的有效性. 关键词： 广义预测控制 预测函数 Hénon 混沌系统 参数辨识     

Hénon混沌系统的自适应广义预测控制快速算法

提出了一种带有约束矩阵的Hénon 混沌系统的广义预测控制快速算法,首先用带有遗忘因子的递推最小二乘参数辨识法来逼近混沌系统,然后该算法引入了一种约束矩阵,约束矩阵的引入避免了矩阵求逆的计算,占用内存小,计算速度快,并且具有较强的跟踪给定信号和抑制系统参数摄动和随机噪声的能力.仿真结果验证了该方法的有效性. 关键词： 广义预测控制 约束矩阵 Hénon混沌系统 参数辨识     

Hénon混沌系统广义预测控制无静差快速算法

提出了一种具有无静差跟踪性能的Hénon混沌系统广义预测控制快速算法.采用改进的时变遗忘因子递推最小二乘方法辨识混沌系统,通过在常规广义预测控制性能指标函数中引入前馈增益矩阵与柔化矩阵,并将MP神经元网络与BP算法相结合在线调整柔化因子,实现系统对参考信号的无静差快速跟踪.该算法避免了矩阵求逆计算,能够很好地跟踪参考信号.仿真结果验证了该方法的有效性. 关键词： 广义预测控制 Hénon混沌系统 前馈增益矩阵 柔化矩阵     

基于在线最小二乘支持向量机回归的混沌时间序列预测

提出了一种基于在线最小二乘支持向量机（LS-SVM）回归的混沌时间序列的预测方法.与离线支持向量机相比，在线最小二乘支持向量机预测方法即使当混沌系统的参数随时间变化时仍然有效.以Chen's混沌系统、Rssler混沌系统、Hénon映射及脑电(EEG)信号四种混沌时 间序列为例评估本文提出的预测方法，结果验证了其混沌时间序列预测的有效性. 关键词： 混沌时间序列 预测 在线学习 支持向量机     

超混沌分数阶Lü系统电路实验与追踪控制

对提出的新型超混沌Lü系统,研究了其分数阶混沌系统,通过数值仿真和电路实验,证实了分数阶超混沌Lü系统的混沌行为.利用分数阶系统稳定性理论,设计简单的线性反馈控制器,成功地实现了分数阶超混沌Lü系统的所有状态向量与正弦信号和任意不动点的追踪控制.仿真结果表明了该方法的有效性. 关键词： 分数阶Lü系统 超混沌系统 电路实验 追踪控制     

Phase space reconstruction of chaotic dynamical system based on wavelet decomposition

In view of the disadvantages of the traditional phase space reconstruction method,this paper presents the method of phase space reconstruction based on the wavelet decomposition and indicates that the wavelet decomposition of chaotic dynamical system is essentially a projection of chaotic attractor on the axes of space opened by the wavelet filter vectors,which corresponds to the time-delayed embedding method of phase space reconstruction proposed by Packard and Takens.The experimental results show that,the structure of dynamical trajectory of chaotic system on the wavelet space is much similar to the original system,and the nonlinear invariants such as correlation dimension,Lyapunov exponent and Kolmogorov entropy are still reserved.It demonstrates that wavelet decomposition is effective for characterizing chaotic dynamical system.     

基于小波变换的混沌信号相空间重构研究

应用小波变换和非线性动力学方法研究了混沌信号在相空间中的行为，指出混沌时间序 列的小波变换实质上是在重构的相空间中，混沌吸引子向小波滤波器向量所张的空间中的投 影，与Packard等人提出的相空间重构方法本质上是一致的.实验结果表明，混沌信号经过 小波变换后，吸引子轨迹与原有轨迹具有相似的结构，同时，系统的关联维数、Kolmogorov 熵等非线性不变量仍然得到保留.这些结果表明，利用小波变换研究混沌信号是有效的. 关键词： 小波变换 相空间重构 混沌信号 脑电信号     

基于广义窗函数和最小二乘支持向量机的混沌背景下微弱信号检测

为了从混沌背景中检测微弱信号,研究分析了复杂非线性系统的相空间重构理论,提出了一种基于广义窗函数的最小二乘支持向量机的预测法. 该方法以广义嵌入窗为基础,利用自关联函数法确定Lorenz系统的嵌入维数和时间延迟, 实现相空间重构,结合最小二乘支持向量机建立Lorenz系统的误差预测模型, 检测微弱目标信号(瞬态和周期信号).仿真实验表明,该方法的预测模型具有较小的误差, 能够有效地从混沌背景噪声中检测出微弱目标信号,减小噪声对目标信号的影响. 与传统方法相比,在降低检测门限的同时,能够有效地提高预测的精度, 在混沌噪声下信噪比为-87.41 dB的情况下,相对于传统支持向量机方法所得的均方根误差0.049(-54.60 dB时)降低近两个数量级至0.000036123(-87.41 dB时).     

一种新的分段非线性混沌映射及其性能分析

结合线性反馈移位寄存器（LFSR）和混沌理论各自的优点,采用循环迭代结构,给出一种将LFSR和混沌理论相结合的伪随机序列生成方法.首先根据LFSR的计算结果产生相应的选择函数,通过选择函数确定当前迭代计算使用的混沌系统,应用选择的混沌系统进行迭代计算产生相应的混沌序列;然后把生成的混沌序列进行数制转换,在将得到的二进制序列作为产生的伪随机序列输出的同时将其作为反馈值与LFSR的反馈值进行相应的运算,运算结果作为LFSR的最终反馈值,实现对LFSR生成序列的随机扰动.该方法既可生成二值伪随机序列,也可生成实值伪随机序列.通过实验对生成的伪随机序列进行了分析,结果表明,产生的序列具有良好的随机性和安全性.     

一种新的分段非线性混沌映射及其性能分析

研究了logistic混沌映射的相关性质,指出当系统参数取值改变时,产生的混沌序列在相空间不具有遍历性.基于以上分析,构造了一种分段logistic混沌映射,对logistic映射和定义的分段logistic映射的分岔图和Lyapunov指数进行了研究,同时通过实验对这二种映射生成序列的随机性、相关系数、功率谱等性能进行了比较分析.在此基础上,定义了一种新的混沌系统性能评价指标——分岔迭代次数.结果表明,定义的分段logistic映射不仅具有良好的遍历性,而且对应的混沌系统相关评价指标的性能良好. 关键词： 混沌系统 相关系数 Lyapunov指数 功率谱     

Dicke模型的量子混沌和单粒子相干动力学特性

量子化的Dicke模型在非旋波近似条件下表现为量子混沌动力学特征.利用单粒子一阶时间关联函数,通过数值计算详细考察了Dicke模型中单粒子相干动力学特性.结果表明:当初始相干态处在混沌区域时,一阶时间关联函数曲线衰减较快,而当初始相干态处在规则区域时,一阶时间关联函数曲线衰减较慢,单粒子相干动力学对初态具有较强的敏感性,经典混沌抑制量子相干.考察单粒子相干动力学在相空间的平均演化性质,得到一种较好的量子经典对应关系.最后研究了相空间单粒子相干的整体动力学性质,更好地揭示了相空间的混沌和规则结构.     

Correlation properties of dynamical chaos in Hamiltonian systems

The structure of chaos border in phase space and its impact on the correlation and other statistical properties of the chaotic motion are considered. We conjecture that such a structure is described by a chaotic renormalization group. The effects of an external noise and of dissipation are discussed.     

多元混沌时间序列的多核极端学习机建模预测

多元混沌时间序列广泛存在于自然、经济、社会、工业等领域. 对多元混沌时间序列进行建模预测有助于人类更好地管理, 控制与决策. 针对多元混沌时间序列的建模预测问题, 本文提出一种基于多核极端学习机的预测方法. 首先对多元混沌时间序列进行相空间重构, 将多元混沌时间序列序列的时间相关性转化为空间相关性. 提出一种结合多核学习算法与核极端学习机模型的多核极端学习机建立相空间中输入输出数据的非线性映射. 多核极端学习机模型结合了多核学习算法的数据融合能力以及核极端学习机的训练简便优势. 基于Lorenz混沌时间序列预测和San Francisco河流月径流量预测的仿真实验表明, 与其他常见混沌时间序列预测方法相比, 本文提出的基于多核极端学习机的多元混沌时间序列预测方法具有更小的预测误差.     

基于改善关联性Buck变换器的混沌控制

由于Buck变换器具有非线性特性, 在一定参数条件下, 它会处于混沌状态, 此时Buck变换器不能正常工作. 为了抑制Buck变换器的混沌现象, 本文首先建立了Buck变换器的精确状态方程模型, 然后通过分析可控范围图、开关逻辑图、相图、电感电流波形、输出电压波形, 研究了基于改善Buck变换器的电感电流与输出电压之间关联性的混沌控制策略. 研究结果表明: 该控制策略能够将处于混沌状态的Buck变换器稳定在周期1, 2, 4, 8轨道, 且该控制策略不需要预先确定期望的目标轨道, 不依赖于Buck变换器的电路参数, 只取决于一个外部参数即耦合强度, 所以该控制策略同样适用于其他 拓扑结构的功率变换器. 关键词： 混沌控制 Buck变换器 关联性 耦合强度     

Neural Volterra filter for chaotic time series prediction

A new second-order neural Volterra filter （SONVF） with conjugate gradient （CG） algorithm is proposed to predict chaotic time series based on phase space delay-coordinate reconstruction of chaotic dynamics system in this paper, where the neuron activation functions are introduced to constraint Volterra series terms for improving the nonlinear approximation of second-order Volterra filter （SOVF）. The SONVF with CG algorithm improves the accuracy of prediction without increasing the computation complexity. Meanwhile, the difficulty of neuron number determination does not exist here. Experimental results show that the proposed filter can predict chaotic time series effectively, and one-step and multi-step prediction performances are obviously superior to those of SOVF, which demonstrate that the proposed SONVF is feasible and effective.