基于量子粒子群算法的混沌系统参数辨识

针对混沌系统参数辨识问题, 在基本群智能算法粒子群优化算法的基础上, 提出量子粒子群算法, 测试函数证明了算法具有良好的全局优化能力. 进而将其应用于混沌系统参数辨识问题, 将参数辨识问题转化为多维函数空间上的优化问题. 通过对平衡板热对流典型混沌系统Lorenz系统进行研究, 并与基本算法和遗传算法比较. 仿真实验证明, 算法的有效性, 对混沌理论的发展有着非常重要的意义. 关键词： 量子粒子群算法 混沌系统 系统辨识     

混沌光学系统辨识的支持向量机方法

将支持向量机用于混沌光学系统的辨识,以布拉格声光双稳混沌系统为例,通过计算机仿真实验,尝试了用最小二乘支持向量机进行混沌光学系统辨识的可行性,并将其与采用反向传播算法的前向神经网络辨识方法进行了比较。采用最小二乘支持向量机辨识的优点是其训练过程遵循结构风险最小化原则,不易发生过拟合现象;它通过解一组线性方程组可得到全局唯一的最优解;最小二乘支持向量机的拓扑结构在训练结束时自动获得而不需要预先确定。结果表明,本方法的辨识精度和速度均优于基于反向传播算法的前向神经网络,且对含噪混沌光学系统的辨识也同样适用,它可作为混沌光学系统辨识的有力工具。     

一类参数未知混沌系统的追踪控制与参数辨识

针对一类参数未知的混沌系统,提出一种追踪控制方法,基于Lyapunov稳定性理论,设计了追踪控制器和参数自适应控制律,实现了混沌系统的追踪控制和未知参数的辨识.以统一混沌系统为例进行了数值模拟,结果表明了该方法的有效性. 关键词： 混沌系统 追踪控制 参数辨识     

基于神经网络的混沌系统鲁棒自适应同步

基于神经网络,研究了两个混沌系统都存在扰动情况下的同步问题.该方法能有效地克服不确定性对同步所造成的破坏,实现了良好的同步效果.针对Lorenz系统进行了数值计算.数值计算结果证明了所给方法的有效性. 关键词： 混沌系统 同步 神经网络     

一类时变时滞混沌系统的参数辨识方法

时变的未知时滞参数普遍存在于混沌系统中,它使得混沌系统同步控制变得非常困难. 针对时滞混沌系统中参数时变且未知的问题, 提出了一种新颖的辨识方法. 该方法首先将未知时变参数用分段常数函数来近似, 把求解非线性函数的问题转化为参数向量选择问题, 其中分段常数函数的高度向量成为待求解参数向量; 然后推导了目标函数对分段常数高度向量的梯度信息, 结合序列二次规划法求解得最优分段函数; 随着分段数的增加, 最优分段函数将逼近原非线性时变函数. 数值实例结果验证了该方法的有效性.     

不确定混沌系统的反同步与参数辨识

针对一类混沌系统,提出了一种系统的混沌反同步设计方案,基于该方案,设计一种自适应控制方法,实现了参数不确定系统的混沌反同步和未知参数的辨识.数值模拟结果表明了提出方法的有效性.     

一阶时滞混沌的参数辨识

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.针对两种不同类型的时滞混沌系统中的未知参数的辨识问题，将系统的未知参数看作系统的未知状态，利用非线性状态观测器理论进行参数估计，通过选取观测器中非线性增益函数，使得闭环误差系统指数或渐进稳定，从而给出参数估计器存在的充分条件.以典型的时滞Logistic系统为例进行了数值模拟，数值仿真结果表明，使用该方法可以对时滞混沌系统的未知参数进行有效地估计.     

混沌神经网络的延时反馈控制研究

针对混沌神经网络，提出了一种改进的延时反馈控制方法. 利用该方法，当延时参数τ为奇数时，被控神经网络收敛于记忆模式以及它的反相模式的2周期上. 若选取不同的延时参数，被控网络则收敛于不同的周期态上. 关键词： 控制混沌 延时反馈控制 混沌神经网络     

基于线性反馈控制的不确定混沌系统的参数辨识

基于线性反馈控制方法和Lyapunov稳定性理论,研究了参数不确定系统的混沌同步和参数辨识,设计了普遍适用的参数自适应控制律,理论证明设计的控制器可使得两个结构相同但参数不同的混沌系统渐近地达到同步,并且可以辨识出响应系统的未知参数. Lorenz系统和蔡氏电路的数值仿真进一步表明了该方法的有效性. 关键词： 不确定混沌系统 同步 参数辨识 Lyapunov函数     

基于改进克隆选择算法的统一混沌系统同步控制与参数辨识

提出一种改进的克隆选择算法用于解决混沌系统的参数辨识问题.该算法利用抗体的高频变异和受体编辑两种机制有效平衡算法的全局探索与局部开发，并引入向精英抗体学习策略进一步提高算法的收敛质量.对10个优化问题的实验表明：所提出算法在求解精度、收敛速度以及稳定性方面具有更好的性能.以参数未知统一混沌系统的同步控制为研究对象，合理设计同步控制器，并对同步系统的稳定性进行理论分析.通过对同步比例因子的设置，实现统一混沌系统的完全同步、反同步、投影同步等多种同步方式.仿真实验结果表明该方法能够实现对未知系统参数的精确辨识以及驱动-响应系统的有效同步控制，验证了所提方法的可行性与有效性.     

基于多种群混沌遗传神经网络的模拟电路故障诊断

针对标准遗传算法优化BP神经网络收敛慢,易陷入局部最优的问题,提出了改进的多种群协同进化遗传算法,该算法改变了以往的随机初始化方法,采用了附加混沌扰动的tent映射初始化均匀分布的种群,提高了初始解的质量;每个种群采用自适应交叉率和变异率,引入移民算子实现种群间的横向联系;算法通过多种群的协同进化和种群间的个体移植提高了算法的搜索均匀性和效率;仿真实验表明该算法误差小,收敛速度快,诊断正确率高,较好地解决了模拟电路的软故障诊断问题。     

Control of Unknown Chaotic Systems Based on Neural Predictive Control

We introduce the predictive control into the control of chaotic system and propose a neural networkcontrol algorithm based on predictive control. The proposed control system stabilizes the chaotic motion in an unknownchaotic system onto the desired target trajectory. The proposed algorithm is simple and its convergence speed is muchhigher than existing similar algorithms. The control system can control hyperchaos. We analyze the stability of thecontrol system and prove the convergence property of the neural controller. The theoretic derivation and simulationsdemonstrate the effectiveness of the algorithm.     

光学神经网络中硬件误差对性能影响的分析

利用统计方法，分析了光学硬件误差对用Ｈｏｐｆｉｅｌｄ神经作联想记忆时出错率的影响，导了系统的误差与错率关第的近似公式，并给出了模拟结果。得到了一定限度的误差对出错率的影响并不显著的的结论，特别坚探讨测器阵列动态范围的要求，可以远远小于其探测到的最大值。这对光学神经网络系统的设计及硬件的选取，具有指导意义。     

Control of Unknown Chaotic Systems Based on Neural Predictive Control

We introduce the predictive control into the control of chaotic system and propose a neural network control algorithm based on predictive control. The proposed control system stabilizes the chaotic motion in an unknown chaotic system onto the desired target trajectory. The proposed algorithm is simple and its convergence speed is much higher than existing similar algorithms. The control system can control hyperchaos. We analyze the stability of the control system and prove the convergence property of the neural controller. The theoretic derivation and simulations demonstrate the effectiveness of the algorithm.     

声光双稳系统的混沌同步

首先给出布拉格型声光双稳系统耦合驱动的混沌同步化方案，用最大条件Ｌｙａｐｕｎｏｖ指数分析方法得出耦合驱动下系统混沌输出同步化条件，发现通过适当比例的耦合驱动可以使两组混沌系统达到同步的混沌输出。分析此混沌同步化方案可以抵抗噪声的干扰，并且在两系统出现偏差时仍可以实现混沌同步，找到了实用的单变量延时微分系统非Ｐｅｃｏｒａ－Ｃａｒｒｏｌｌ规则的混沌同步化方案。最后做了实验验证。     

基于混合类间联想神经网络的光学模式识别

通过结合自联合模型与异联想模型，提出了一种混合类间联想神经网络的光学模式识别系统。在该神经网络中，输入模式矢量不仅通过自联想识别自身，还通过异联想识别配对矢量，因而提高了识别概率。与匹配滤波器光学模式识别系统相比，识别结果直接，系统简单可行。     

基于神经网络的火灾烟雾识别方法

提出了一种基于神经网络的火灾烟雾识别方法，以波长为670nm、1060nm、1550nm的三束激光的三对消光系数比作为网络的输入，网络的输出为“火灾烟雾”和“非火灾因素”，从典型火灾烟雾和非火灾因素对多波长激光的衰减实验中选取数据，组成26种网络样本模式定义表，经391次仿真训练后，输出误差小于0．0001，并经验证实验表明，本方法对火灾烟雾和非火灾因素能进行有效的识别，是处理烟雾识别等非结构问题的一种行之有效的方法。     

人工神经网络分类鉴别苦丁茶红外光谱

为了分类鉴别苦丁茶,采用竞争神经网络(CNN)和反向传播人工神经网络(BP网络)两种模式的人工神经网络(ANN)分别分析了各种苦丁茶的红外谱图。作者采用25个样本作训练集,11个样本作检验集,用两种网络进行了训练。结果表明,CNN网络和BP网络均能够有效地实现苦丁茶产地的鉴别,但CNN网络能够进一步地区分苦丁茶的级别。实验表明,CNN速度快,预测结果准确,可望用竞争神经网络(CNN)和红外光谱法结合分类鉴别苦丁茶。     

光学双稳系统混沌驱动保密通讯原理研究

根据声光双稳系统混沌驱动下的动力学行为，提出利用系统的相位特性实现信息的混沌加密，并且由接收端混沌驱动产生的混沌信号完成信息提取的原理。发现在较大的噪声覆盖下仍然可以实现信息的安全传送，由于信息解密不需要与载波安全同步的混信号而只利用传输信号与接收端被驱动系统输出信号的相位关系，因此这种方法具有实际应用价值。