基于反演自适应动态滑模的FitzHugh-Nagumo神经元混沌同步控制

本文采用反演自适应动态滑模控制实现耦合FitzHugh-Nagumo (FHN) 神经元混沌同步. 该方法将自适应技术与反演控制方法相结合, 通过设计新型切换函数, 采用动态滑模控制律, 实现了带有不确定参数的耦合FHN神经元混沌放电同步. 研究表明该方法可以有效地削弱系统的抖振, 从而避免破坏神经元的本质特性, 且响应速度快. 仿真结果证明了该控制方法的有效性. 关键词： 自适应 动态滑模控制 FitzHugh-Nagumo神经元 混沌同步     

基于主动滑模控制的一类混沌系统异结构反同步

针对一类连续时间混沌系统,基于主动控制思想,提出了一种主动滑模控制策略,使得一类混沌系统可以达到异结构反同步,其中响应系统的线性部分和控制器参数决定闭环误差及反同步的趋近律. 基于Lyapunov稳定性理论分析了系统的稳定性. 以Lorenz系统、Chen系统和Lü系统为例进行仿真验证,该控制方法可以实现较快的混沌反同步,且反同步的鲁棒稳定性良好. 关键词： 混沌系统 反同步 滑模控制 主动控制     

混沌神经网络的动态阈值控制

提出了混沌神经网络的动态阈值控制方法, 将大脑脑电波的主要成分, 正弦信号作为控制变量实现对混沌神经网络内部状态的阈值动态改变, 从而达到了控制混沌神经网络混沌的目的. 利用该方法可以将混沌神经网络的输出稳定在一个与网络初始模式相关的存储模式和其反相模式上, 从而使混沌神经网络在模式识别、信息搜索等信息处理功能得以实现. 该控制方法不需要事先指定阈值, 是一种自适应方法, 符合实际人脑的思维运动. 关键词： 混沌控制 混沌神经网络 动态阈值控制 信息处理     

不确定混沌系统的直接自适应模糊神经网络控制

提出利用直接自适应模糊神经网络控制一类不确定非线性混沌系统新方法.采用Takagi-Sug eno模糊逻辑系统估计混沌对象中未知函数，然后再对模糊神经网络控制律参数进行在线调 整，在系统所有信号一致有界情形下，解决混沌状态跟踪给定参考轨道控制问题.仿真结果 表明所得结论是正确的. 关键词： 模糊神经网络 自适应控制 混沌 参数不确定性     

离散混沌系统的最小能量控制

对于离散混沌系统的最小能量控制问题，提出了一种框架性方法，该方法具有通用性.首先，设计一个二次目标函数，同时把混沌系统分解为线性部分和非线性部分两项和.然后，提出了求解非线性最优控制问题的两级算法：第一级对混沌系统中的非线性部分进行预估，以使原系统变为带有常数项的线性系统；第二级用动态规划求解一个非典型线性二次最优控制问题，并把解返回第一级，第一级根据第二级的解对非线性部分重新预估.这样通过两级间不断的信息交换，最终得到混沌系统的最优控制律.该方法不仅实现了对混沌系统的控制，而且在整个控制过程中消耗的控制能量最小. 关键词： 混沌系统 两级优化 最优控制     

不确定时滞混沌系统的自适应动态神经网络控制

研究了一类具有不确定时滞的非自治混沌系统的控制问题. 通过结合Lyapunov-Krasovskii函数和Lyapunov函数设计参数可调的不确定时滞补偿器,使得反馈控制输入信号不受时延的影响;同时引入动态结构自适应神经网络,以消除系统的不确定性,其隐层神经元的个数可以随着逼近误差的增大而自适应增加,改善了逼近速度与网络复杂度的关系;最后,用Duffing混沌系统的控制仿真示例表明该方法的有效性. 关键词： 混沌系统 自适应控制 不确定时滞 动态结构神经网络     

不确定动态混沌系统的最优控制

对于混沌系统的控制问题,考虑到控制系统能量限制的要求,首先确立一个二次目标函数,然后给出了求解最优控制律的一个简单方法,该方法通过求解线性二次最优控制问题,获得了混沌系统的最优控制律,避免了求解非线性Hamilton-Jacobi-Bellman偏微分方程(HJB方程)的困难.利用Lyapunov方法证明了闭环系统的稳定性.对统一混沌系统和Liu混沌系统的仿真结果表明了控制策略的有效性.     

不确定动态混沌系统的最优控制

对于混沌系统的控制问题,考虑到控制系统能量限制的要求,首先确立一个二次目标函数,然后给出了求解最优控制律的一个简单方法,该方法通过求解线性二次最优控制问题,获得了混沌系统的最优控制律,避免了求解非线性Hamilton-Jacobi-Bellman 偏微分方程(HJB方程)的困难.利用Lyapunov方法证明了闭环系统的稳定性.对统一混沌系统和Liu混沌系统的仿真结果表明了控制策略的有效性.     

混沌神经网络的控制

提出了一种针对混沌神经网络的钉扎控制方法.利用此方法对混沌神经网络进行控制,使网络的输出稳定在网络的一个存储的模式上.实现了混沌神经网络的信息搜索,并对影响混沌神经网络控制效果的几个因素进行了讨论. 关键词： 混沌控制 混沌神经网络 钉扎控制方法     

基于在线误差修正自适应SVR的非线性不确定分数阶混沌系统滑模控制

提出了一种基于在线误差修正自适应SVR的滑模控制方法, 用于解决一类非线性不确定分数阶混沌系统的控制问题. 分别通过对混沌系统非线性函数的离线SVR估计和基于增量学习的状态跟踪误差在线SVR预测, 解决了不确定分数阶混沌系统模型难以预测的问题. 同时根据Lyapunov稳定性理论设计出SVR权值自适应调整律. 本文以分数阶Arneodo 系统为例进行仿真, 仿真结果表明了, 对于带有外界噪声扰动的非线性不确定分数阶混沌系统, 该方法可以在有限时间内将系统稳定至期望状态, 提高对非线性函数的预测精度, 改善控制性能.     

Chaotic system optimal tracking using data-based synchronous method with unknown dynamics and disturbances

We develop an optimal tracking control method for chaotic system with unknown dynamics and disturbances. The method allows the optimal cost function and the corresponding tracking control to update synchronously. According to the tracking error and the reference dynamics, the augmented system is constructed. Then the optimal tracking control problem is defined. The policy iteration(PI) is introduced to solve the min-max optimization problem. The off-policy adaptive dynamic programming(ADP) algorithm is then proposed to find the solution of the tracking Hamilton–Jacobi–Isaacs(HJI) equation online only using measured data and without any knowledge about the system dynamics. Critic neural network(CNN), action neural network(ANN), and disturbance neural network(DNN) are used to approximate the cost function, control, and disturbance. The weights of these networks compose the augmented weight matrix, and the uniformly ultimately bounded(UUB) of which is proven. The convergence of the tracking error system is also proven. Two examples are given to show the effectiveness of the proposed synchronous solution method for the chaotic system tracking problem.     

Synchronization of different chaotic systems via active radial basis functions sliding mode controller

This paper presents a new method to synchronize different chaotic systems with disturbances via an active radial basis function （RBF） sliding controller. This method incorporates the advantages of active control, neural network and sliding mode control. The main part of the controller is given based on the output of the RBF neural networks and the weights of these single layer networks are tuned on-line based on the sliding mode reaching law. Only several radial basis functions are required for this controller which takes the sliding mode variable as the only input. The proposed controller can make the synchronization error converge to zero quickly and can overcome external disturbances. Analysis of the stability for the controller is carried out based on the Lyapunov stability theorem. Finally, five examples are given to illustrate the robustness and effectiveness of the proposed synchronization control strategy.     

基于模糊滑模的有限时间混沌同步实现

提出了混沌同步有限时间实现问题.应用全程滑模控制技术，选择指数型终端滑模趋近律来设计滑模控制器，以实现一类混沌系统的状态同步.该设计方案针对混沌系统的参数不确定性和外界扰动，引入模糊基函数网络，在线估计不确定性和外部扰动的界值.同时该方案消除了滑模控制的到达阶段，状态始终保持在滑模面上，并能在有限时间内趋近于原点.最后以Duffing系统为例研究验证同步策略的可行性和有效性.     

Dynamics of Transiently Chaotic Neural Network and Its Application to Optimization

Through adding a nonlinear self-feedback term in the evolution equations of nerual network,we introduced a transiently chaotic neural network model.In order to utilize the transiently chaotic dynamics mechanism in optimization problem efficiently,we have analyzed the dynamical pocedure of the transiently chaotic neural network model and studied the function of the crucial bifurcation parameter which governs the chaotic behavior of the system.Based on the dynamical analysis of the transiently chaotic neural network model,Chaotic annealing algorithm is also examined and improved.As an example,we applied chaotic annealing method to the traveling salesman problem and obtained good results.     

不确定混沌系统的回归神经网络同步

将高阶连接的神经元融合到分布式回归神经网络，研究了出现非模型动态性时不确定混沌系统的辨识和同步问题。采用李雅谱诺夫稳定理论对高阶神经网络回归模型的权值进行学习更新，同时，获取整个系统稳定特性的分析结果，而且通过李雅谱诺夫方法设计出消除不确定混沌系统的同步误差的自适应控制律。最后将所提出的方法应用到不确定Rossler混沌系统的建模与同步     

基于液体晃动干扰观测器的航天器混沌姿态H_∞控制

针对航天器受液体燃料晃动及内外周期性微小激励耦合影响产生混沌运动的问题,提出了基于神经网络干扰观测器的自适应H∞鲁棒控制方案,以实现充液航天器混沌姿态运动的消除与液体燃料晃动的抑制.基于神经网络的非线性逼近能力设计干扰观测器,自适应跟踪补偿液体晃动、参数不确定及外扰引起的耦合扰动,解决液体燃料晃动角速度及外扰不易直接测量的问题,提高控制器对系统不确定的自适应能力及液体晃动的抑制能力.同时考虑观测误差与模型不精确问题,利用H∞控制策略提高控制器的鲁棒性.通过与现有常用控制策略的对比仿真研究,验证了控制方案的有效性及优势.     

Policy iteration optimal tracking control for chaotic systems by using an adaptive dynamic programming approach

A policy iteration algorithm of adaptive dynamic programming(ADP) is developed to solve the optimal tracking control for a class of discrete-time chaotic systems. By system transformations, the optimal tracking problem is transformed into an optimal regulation one. The policy iteration algorithm for discrete-time chaotic systems is first described. Then,the convergence and admissibility properties of the developed policy iteration algorithm are presented, which show that the transformed chaotic system can be stabilized under an arbitrary iterative control law and the iterative performance index function simultaneously converges to the optimum. By implementing the policy iteration algorithm via neural networks,the developed optimal tracking control scheme for chaotic systems is verified by a simulation.     

INDIRECT INTELLIGENT SLIDING MODE CONTROL OF A SHAPE MEMORY ALLOY ACTUATED FLEXIBLE BEAM USING HYSTERETIC RECURRENT NEURAL NETWORKS

This paper introduces an indirect intelligent sliding mode controller (IISMC) for shape memory alloy (SMA) actuators, specifically a flexible beam deflected by a single offset SMA tendon. The controller manipulates applied voltage, which alters SMA tendon temperature to track reference bending angles. A hysteretic recurrent neural network (HRNN) captures the nonlinear, hysteretic relationship between SMA temperature and bending angle. The variable structure control strategy provides robustness to model uncertainties and parameter variations, while effectively compensating for system nonlinearities, achieving superior tracking compared to an optimized PI controller.     

混沌系统自适应追踪控制新方法

提出一种混沌系统自适应追踪控制任意参考信号的新方法.该方法是通过预先设计出补偿控制器将混沌系统状态变量对参考信号的追踪控制问题转化为同结构混沌系统状态变量的自适应同步问题,再通过设计出自适应控制器,使同结构混沌系统全局渐近达到同步,追踪控制器为补偿控制器和自适应控制器的代数和.基于Lyapunov稳定性原理,理论上严格证明了利用本方法所设计追踪控制器的正确性.最后,以超混沌Chen系统为控制对象,利用本方法设计出追踪控制器完成了对不动点,正、余弦信号,同结构混沌系统状态变量,异结构混沌系统状态变量的追踪控 关键词： 自适应追踪控制 补偿控制器 自适应控制器 追踪控制器     

基于改进教学优化算法的Hermite正交基神经网络混沌时间序列预测

针对传统预测模型对混沌时间序列预测精度低、收敛速度慢及模型结构复杂的问题, 提出了基于改进教学优化算法的Hermite正交基神经网络预测模型. 首先, 将自相关法和Cao方法相结合对混沌时间序列进行相空间重构, 以获得重构延迟时间向量; 其次, 以Hermite正交基函数为激励函数构成Hermite正交基神经网络, 作为预测模型; 最后, 将模型参数优化问题转化为多维空间上的函数优化问题, 利用改进教学优化算法对预测模型进行参数优化, 以建立预测模型并进行预测分析. 分别以Lorenz 系统和Liu系统为模型, 通过四阶Runge-Kutta法产生混沌时间序列作为仿真对象, 并进行单步及多步预测对比实验. 仿真结果表明, 与径向基函数神经网络、回声状态网络、最小二乘支持向量机及基于教学优化算法的Hermite正交基神经网络预测模型相比, 所提预测模型具有更高的预测精度、更快的收敛速度和更简单的模型结构, 验证了该模型的高效性, 便于推广和应用.