类Liu系统在水声微弱信号检测中的应用研究

利用三阶混沌系统构造了一种新的微弱信号检测系统——类Liu系统, 对类Liu 系统进行了深度的理论分析. 类Liu系统中, 当输入待测信号幅值大于某临界值时, 系统可达到平衡点S₀, S₀中系统变量x平衡于摄动力信号, 系统变量y, z收敛于零态, 且S₀ 对应的Lyapunov指数小于零. 通过Matlab仿真、Multisim电路仿真以及实际电路证明了类Liu系统的周期态收敛性及广域检测性, 解决了传统Duffing系统进行微弱信号检测时周期态不收敛、只能进行窄域检测等问题, 同时谱级信噪比范围仍可达-46.57 dB. 类Liu系统采用了全新的设计理念, 具有较高的实用价值, 对未来海洋物联网中的水声通信有一定参考价值.     

基于自适应主动及滑模控制的分数阶超混沌系统异结构反同步

以超混沌Chen系统和超混沌Lorenz系统为例,研究了慢时变参数超混沌系统的反同步问题.首先利用主动控制的思想,消去超混沌系统中的非线性部分,然后基于Lyapunov稳定性理论,合理地选取参数自适应控制律,很好的解决了时变参数的参数摄动问题,从而实现了两个超混沌系统的反同步.在此基础之上,又进一步研究了分数阶超混沌系统,使用滑模控制方法对其进行控制,理论上分析了该方法的可行性.数值模拟实验进一步验证了所提出方法的有效性. 关键词： 超混沌 分数阶 自适应 滑模     

两类模糊系统作为通用逼近器的充分条件的比较与分析

对现有的Mamdani模糊系统和T-S模糊系统作为通用逼近器的充分条件作比较分析,提出了通过三种不同算法获得的单输入单输出Mamdani模糊系统作为通用逼近器的充分条件的保守性比较定理。     

混沌系统的非线性连续预测变结构控制与同步

在连续时间混沌系统的控制与同步问题统一处理的基础上,给出一种可实现两个相同或不同连续时间混沌系统的控制与同步的预测变结构控制方法.其控制器由针对对象标称非线性模型设计的连续预测控制器和针对对象不确定性设计的滑模变结构控制器组成.所提出的方案具有变结构控制鲁棒性强的优点,实现了系统对参考信号的追踪控制.数值仿真表明了本方法的有效性 关键词： 混沌同步 预测控制 滑模 变结构 鲁棒性     

电枢膛内高速运动控制仿真与试验

电磁轨道发射的过程中，电枢在膛内高速运动时会受到电磁力、电枢初始正压力、摩擦力、空气阻力、烧蚀阻力等多种因素影响，电枢的出口速度呈现出在一定范围内波动的特征。为了提高电枢的出口速度精度，针对膛内电枢与轨道摩擦不均衡性和烧蚀程度不确定的特性，综合考虑脉冲成形网络的电路模型与电枢的动力学特征，建立了电枢在膛内的运动开环控制仿真模型。通过仿真，得出了脉冲电源模块触发时刻与电枢出口速度之间的关系，提出了电枢出口速度闭环控制模型，探究了电枢出口速度控制可行方案。结果表明:应用闭环控制算法，可实现对电枢出口速度的精确控制。     

Hénon混沌系统的模糊广义预测控制与同步

针对Hénon混沌系统,本文给出了一种基于T-S模糊模型的混沌系统广义预测控制算法。该方法将模糊辨识和广义预测控制结合起来应用到Hénon混沌系统中。首先,应用T-S模糊模型对Hénon混沌系统进行辨识,模糊聚类法辨识模型的前件参数,递推最小二乘法辨识结论参数。基于辨识模型,采用广义预测控制算法对其进行控制,实现了系统的跟踪与同步。仿真结果表明,与其它算法相比,该算法能够保证系统输出快速、有效地跟踪设定值。     

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     

基于鲁棒模糊聚类的混沌时间序列预测

采用一种基于鲁棒模糊聚类算法的模糊辨识方法,通过引入局部划分关联度因子,增强了系统辨识的抗干扰能力,提高了系统辨识的鲁棒性.首先用最近邻模糊聚类法划分初始输入空间,得到模糊规则数及初始聚类中心;然后用鲁棒模糊聚类算法求解并优化模糊隶属度和聚类中心,建立高精度的T-S模糊模型;最后利用最小二乘法辨识模型的初始结论参数,进一步利用带遗忘因子的递推最小二乘法优化结论参数.采用该方法对Mackey-Glass混沌时间序列进行建模和预测,仿真结果表明利用本方法可以进行准确建模和预测,验证了本方法的鲁棒性、有效性和实 关键词： 最近邻模糊聚类 鲁棒模糊聚类 混沌时间序列 最小二乘法     

基于递阶模糊聚类的混沌时间序列预测

提出一种新的基于递阶模糊聚类系统的模糊建模方法.目的在于通过一系列的步骤优化T-S模糊模型结构，实现非线性系统的建模和预测.首先利用最近邻聚类法初始划分输入空间，得到规则数及初始聚类中心，用模糊C均值算法(FCM)进一步优化聚类中心；然后利用加权最小二乘法估计模糊模型的初始参数，进一步利用带遗忘因子的递推最小二乘法优化结论参数.采用该方法对Mackey-Glass混沌时间序列进行预测实验，结果表明可以对Mackey-Glass混沌时间序列进行准确建模和预测，证明了本方法的有效性. 关键词： 递阶模糊聚类 模糊建模 混沌时间序列 最小二乘     

基于随机采样模糊聚类和卡尔曼滤波方法的模糊辨识

提出一种新的基于模糊聚类和卡尔曼滤波方法的模糊辨识算法 .该方法是基于快速模糊聚类 ,计算给定样本在各类中的隶属度 ,并利用卡尔曼滤波方法辨识模糊模型的结论参数 .整个辨识过程与一般的模糊聚类方法 [1 ]相比 ,需要的 CPU时间大大缩短 .最后通过仿真实例验证了该方法的有效性 .