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     

非线性系统混沌运动的神经网络控制

设计前馈反传神经网络控制非线性系统混沌运动的新方法.根据扰动参数模型输入输出数据,按照非线性学习算法训练网络产生系统稳定所需的小扰动控制信号,去镇定混沌运动,使嵌入在混沌吸引子中的不稳定周期轨道回到稳定不动点上.Hnon映射数值仿真结果表明,这种方法控制非线性混沌系统响应速度快、控制精度高 关键词： 混沌控制 神经网络 吸引子 非线性     

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     

基于神经网络和滑模控制的不确定混沌系统同步

基于滑模控制技术和径向基函数神经网络,设计出一种神经滑模控制器,实现了两个不确定混沌系统的同步.控制器的设计不依赖于系统的数学模型,只与系统的输出状态有关,而且对参数不确定性和外界干扰具有较强的稳健性.最后,利用本方法设计出控制器实现了未知Lorenz系统的自同步、未知Lorenz系统与Chen系统之间的异结构同步,而且响应时间短,同步效果好. 关键词： 混沌同步 滑模控制 神经网络 不确定混沌系统     

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     

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。     

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     

混沌神经网络逆控制的同步及其在保密通信系统中的应用

利用神经网络的学习、逼近能力构造混沌神经网络，提出逆控制混沌同步方法来同步两个混沌神经网络，并基于逆控制和混沌神经网络的同步给出一种新的混沌保密通信系统.理论分析和数值实验结果表明，新系统能够有效地克服信道噪声对信息传输的不良影响，具有较强通用性和柔韧性，且有同步速度快，信号恢复精度高和密钥量大的优点. 关键词： 混沌同步 自适应逆控制 混沌神经网络 保密通信     

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     

基于径向小波神经网络的混沌系统鲁棒自适应反演控制

设计了一种具有自适应性和鲁棒性的反演控制律, 实现了对含有系统不确定性的类Rossler系统的控制. 首先通过小波神经网络辨识系统的非线性部分, 将系统转化为含有结构不确定性和参数不确定性的参数化模型; 然后, 对于系统中的参数不确定性, 设计自适应控制律, 在线估计未知参数; 对于系统中的结构不确定性, 设计鲁棒控制律, 使得系统具有鲁棒性. 最后, 通过仿真实现, 验证了以上控制方法的有效性.     

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     

Fuzzy neural network based on a Sigmoid chaotic neuron

The theories of intelligent information processing are urgently needed for the rapid development of modem science. In this paper, a novel fuzzy chaotic neural network, which is the combination of fuzzy logic system, artificial neural network system, and chaotic system, is proposed. We design its model structure which is based on the Sigmoid map, derive its mathematical model, and analyse its chaotic characteristics. Finally the relationship between the accuracy of map and the membership function is illustrated by simulation.     

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.     

迟滞混沌神经元/网络的控制策略及应用研究

为了保持神经网络在优化计算求解过程中结构不被改变, 以迟滞混沌神经元和迟滞混沌神经网络为研究对象, 提出了一种基于滤波跟踪误差的控制策略来实现神经元/网络的稳定控制. 采用该控制策略, 在不改变非线性特性发生机理的情况下, 神经元/网络可实现函数优化计算问题的求解. 所设计的控制律包含两部分: 一部分是系统进入滤波跟踪误差面时的等效控制部分, 另一部分为确保系统快速进入滤波跟踪误差面的控制部分. 采用Lyapunov方法对神经元/网络的控制进行了稳定性证明. 根据待寻优函数直接求得神经元的控制律, 在该控制律的作用下, 神经元/网络可逐渐稳定到优化函数的极值点, 从而实现优化问题的求解, 仿真实验结果验证了该控制方法在优化计算中的可行性和有效性.     

基于混沌神经网络的单向Hash函数

提出了一种基于混沌神经网络的单向Hash函数，该方法通过使用以混沌分段线性函数作为输出函数的神经网络和基于时空混沌的密钥生成函数实现明文和密钥信息的混淆和扩散，并基于密码块连接模式实现对任意长度的明文序列产生128位的Hash值.理论分析和实验结果表明，提出的Hash函数可满足所要求的单向性，初值和密钥敏感性，抗碰撞性和实时性等要求. 关键词： 混沌神经网络 Hash函数 分段线性混沌映射 时空混沌     

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