基于线性耦合储备池计算的电机系统混沌预测研究

为了解决永磁同步电机混沌时间序列预测的问题,本文提出2个线性耦合的储备池计算模型。通过寻求2个储备池计算中的最佳耦合系数,根据目标系统的时间序列数据能够预测目标系统的混沌行为,而达到预测精度更高,预测时间更长的效果。以永磁同步电机为研究对象,证明了线性耦合储备池计算在耦合系数α=0.803时,预测效果最优秀,误差Δ=9.14×10^-4。     

基于机器学习储备池计算的混沌保密通信机制设计与实现

针对传统混沌保密通信中安全性低、耦合机制复杂、接收端须配备特定动力学系统等问题,提出了一种基于机器学习——储备池计算(Reservoir Computing)的混沌保密通信设计,并通过数值与实验方法验证了机制的创新性与可行性。在数值方面,以图像和语音传输为例,采用具有更高安全性的时滞Lorenz系统和Mackey-Glass模型进行加密,在加密系统信息完全未知的前提下,接收端经训练后,可实现与发送端混沌完全同步并进行信息解密。在实验方面,基于可编程逻辑芯片(FPGA)对机制进行了硬件设计与实现,并以实时视频传输为例,验证了该保密通信设计的实际应用价值。还引入了针对不同加密系统的校准方法,以进行长时间稳定混沌同步和通信。此外,通过噪声研究,证明了该通信机制的鲁棒性。理论与实验结果对推动新型保密通信与机器学习交叉研究有一定的参考价值。     

Mackey-Glass混沌时滞微分方程参数伴随同化识别

研究了Mackey-Glass混沌时滞微分方程,利用伴随同化方法对该方程的参数进行识别。数值实验结果显示该方法用于Mackey-Glass混沌时滞微分方程的参数识别可行。     

基于神经网络的AES混沌加密算法

人工神经网络具有实现快速并行运算又有混沌动力学复杂行为时,它将是用来设计一种加密算法的最佳选择。通过分析混沌神经网络的复杂动力学行为和并行处理特点,本文提出了基于神经网络的AES混沌加密算法,克服了传统AES算法中由于密钥唯一造成的安全性较低的特点,提高了AES算法的安全性。     

基于计算池模型的网格性能分析

简要分析了传统网格计算中存在的不足之处,并对当前比较实用的一种网格计算模型(网格计算池模型)用排队论的方法进行了系统的研究,定量分析了网格计算池模型的特性,对网格计算能起到一定的指导作用,并且对组成网格计算池的高性能计算机数量的选择给出了一些指导性的意见。     

一种新的具有多个储备池的回声状态网

回声状态网是一种新型的递归神经网络,仅需要训练输出权值,克服了传统递归神经网络存在训练算法过于复杂、收敛速度慢、易于陷入局部最小等问题.为进一步提高回声状态网的建模能力,特别是面临实现多个正弦函数叠加(MSO)等任务时的逼近能力,提出了由泄露积分型神经元构建一种新型的多储备池回声状态网,称为多储备池泄露积分回声状态网(MLESN). MLESN是采用由顶向下和由底向上相结合的思路构建回声状态网.首先采用由顶向下的思路构建回声状态网,假设其储备池由P类相异泄露积分型神经元构成,每一类神经元的群体将构成一个子储备池.然后采用由底向上方式构建回声状态网,生成P个相异中心神经元,分别代表P个子储备池,每个子储备池的神经元状态要与其中心神经元状态相同或相近,P个中心神经元之间通过随机稀疏连接构成了一个新的虚拟子储备池.在储备池状态更新过程中,仍需保持各子储备池内部神经元之间的差异性小,不同子储备池神经元状态之间的差异性大的特点.最后,利用Matlab仿真软件进行实现,并与泄露积分型回声状态网(Leaky-ESN)预测性能进行比较.仿真结果表示,本文提出的方法具有更高的预测精度和预测误差波动性小等特点.     

基于参数识别应用Backstepping design控制Lü′s混沌吸引子

混沌控制在最近十几年的研究中已经取得了长足的进展,形成了许多比较成熟而且有效的控制技术和方法,如:OGY控制、线性状态空间反馈等.但对于带有未知参数的系统,前面提到的方法常常无法达到预期的控制.通过构造识别函数识别Lü′s混沌系统的未知参数,然后应用Backstepping design控制Lü′s混沌吸引子,将Lü′s混沌吸引子控制到一个稳定的周期轨道,通过数据模拟证明了该控制方法的有效性.     

基于参数识别应用Backstepping design控制Lue′s混沌吸引子

混沌控制在最近十几年的研究中已经取得了长足的进展，形成了许多比较成熟而且有效的控制技术和方法，如：OGY控制、线性状态空间反馈等．但对于带有未知参数的系统，前面提到的方法常常无法达到预期的控制．通过构造识别函数识别Lue′s混沌系统的未知参数，然后应用Backstepping design控制Lue′s混沌吸引子，将Lue′s混沌吸引子控制刮一个稳定的周期轨道，通过数据模拟证明了该控制方法的有效性．     

基于Web界面的计算池体系结构的设计

计算池把分散的高性能计算机用高速网络连接起来,用专门设计的中间件软件有机地粘合在一起,以Web界面接受用户提出的计算请求,并将之分配到合适的结点上运行)计算池能大大提高资源的服务质量和利用率,同时避免跨结点划分应用程序所带来的低效性和复杂性,是实现通过网络连接起来的地域广阔之远程教学系统中资源库建设高性价比的一种方案,同时也能够在目前条件下达到实用化要求。     

基于单个时滞非线性神经元结构储备池的波形识别

采用单个时滞非线性神经元结构储备池对不同波形进行识别,研究虚节点个数、反馈强度、输入增益等参数和输入端信噪比对波形识别计算的影响.以方波、正弦波、三角波的识别为任务进行了仿真实验,结果显示:储备池虚拟节点个数为100时最佳;反馈强度和输入增益的参数值分别为0.8和2.2时,储备池的计算性能最佳;在输入端人为加入适度的噪声可降低识别误差,有利于提高波形识别精度.     

基于广义Arnold混沌映射和Hénon混沌映射的小波水印算法

为提高水印信息的隐秘性和抗攻击性,将混沌映射运用于数字水印过程中,提出了一种基于广义Ar- nold混沌映射和Hénon混沌映射的小波水印算法。首先用Arnold混沌映射将二值水印图像置乱,作为第一层加密,再利用Hénon混沌序列对水印图像数据进行置换,作为第二层加密,并将加密后的水印图像嵌入到原始图像的DWT域系数中,得到嵌入了水印的图像。混沌映射的伪随机性和初值敏感性保证了水印信息的安全性。实验结果表明,此方法对噪声、压缩、裁切等操作具有很好的鲁棒性。     

波形弹簧的非线性计算模型

应用Ritz法导出了波形弹簧载荷与变形之间的非线性关系，在推导过程中同时考虑到弹簧用向曲率、波形曲率和附加弯曲的影响，经过实验验证在弹簧正常工作范围内本计算模型可靠。     

基于小波变换的波形特征抽取与识别

从设备诊断领域中特征信号模式识别的应用角度,探讨了基于小波变换的特征提取与识别方法.首先讨论了小波变换及其基本性质,进而探讨了基于小波变换模量极大点的特征抽取及基于模量极大点的幅值沿尺度s演变的特征提炼方法,并构造了全局的相似性度量,最后给出了分析实例.     

基于Logistic混沌映射的三角形加密体制

针对多变量三角形体制中Jonquières映射的明密文之间存在线性关系导致无法抵抗线性攻击的缺陷,研究Jonquières体制的中心映射中非线性扰动方法。通过将一维混沌Logistic映射及其同步反馈映射进行离散化后对Jonquières体制的中心映射进行扰动,利用混沌序列的非线性特性,破坏明密文之间的线性关系,使线性攻击实施的先决条件不成立,以增强Jonquières体制的安全性。安全性分析表明,进行混沌扰动后的Jonquières体制的明密文之间不存在线性关系,能抵抗线性化攻击。     

基于Lorenz混沌系统的图像加密算法

提出了一种基于Lorenz混沌系统的图像加密算法,实验表明该算法具有较强的抵御穷举攻击、统计攻击、已知明文攻击能力,算法安全性高.     

基于logistic混沌序列的彩色图像加密方法

针对彩色数字图像的结构特征,根据数字图像置换加密原理,利用混沌序列的随机性和对初始值的敏感性等特点,研究了基于logistic混沌序列的彩色数字图像加密方法,基于MATLAB平台进行了仿真实验,并对算法作了安全性能分析.     

基于RBF神经网络的Duffing混沌系统控制

采用基于RBF神经网络的控制方法对Duffing混沌系统进行控制,运用RBF神经网络对受控的Duffing系统动力学方程中的非线性项进行自适应逼近,在保证受控系统在原点处的平衡态是一致渐进稳定的前提下,设计了相应的控制律及自适应控制律,使系统的状态变量在很短时间内稳定地收敛于目标值,仿真结果证明了该方法的有效性。     

基于Logistic混沌序列的图像加密算法

基于混沌序列给出了一种图像加密算法．由于Logistic映射具有初始条件敏感性、随机性、相关性等优良的密码学性能,加密过程借助Logistic产生实数值混沌序列,再通过离散映射关系,把图像自带信息与实数值混沌序列耦合生成参数序列,进而利用标准映射时图像进行置换操作．解密算法即为加密的逆过程．实验结果表明,算法简单易行,安全性好．     

随机波形曲线图中底格线的识别与去除

针对随机波形曲线图自动输入计算机的实际需要,本文在BAG数据结构的基础上,提出了一种识别和去除曲线图中底格线的方法.在识别过程中,充分利用了格线结点本身的特征和格与格之间的距离信息.最后,本文给出以测井曲线图为实验对象的实验结果.