疲劳状态下EEG信号α波的最大李雅普诺夫指数估算

脑电信号(EEG)的α波在人体的疲劳评估中具有重要作用,通过脑电信号的α波,可以挖掘更多的有关人体疲劳的信息.利用非线性动力学的方法对EEG信号α波进行了研究,比较了疲劳与非疲劳EEG信号α波之间的非线性动力学上的差别.人在疲劳与非疲劳下的EEG信号α波最大李雅普诺夫指数是不同的,当出现疲劳时指数减少,因此李雅普诺夫指数可作为人体是否疲劳状态的特征刻画指标.文中非疲劳状态的最大李雅普诺夫指数为0.436 67,疲劳状态者的最大李雅普诺夫指数是0.335 57,它们均为混沌信号,但是处于疲劳状态节律的混沌程度明显比处于非疲劳状态的混沌程度低.     

基于李雅普诺夫指数的非完整约束系统稳定性

针对非完整约束系统的高非线性和强耦合性导致整个系统存在着动力学特性复杂及运动稳定性难以分析等问题,通过空间算子代数方法建立系统的动力学模型,在此基础上采用李雅普诺夫指数方法分析了系统的运动稳定性,建立了动力学参数与系统稳定性之间的量化关系.最后以小车倒立摆为例,对整个算法的有效性进行验证.该方法与李雅普诺夫第二法相比,主要优点在于其可构建性,并能够量化分析系统动力学参数与运动稳定性之间的关系,可为机械结构设计及控制系统优化提供参考.     

普通二分法与李雅普诺夫函数

指数型二分法与李雅普诺夫函数的关系已由林振声园满解决［１］．本文讨论非指数型二分法，即普通二分法与李雅普诺夫函数关系．建立了循环系具有普通二分法的充分且必要条件．     

CHARACTERIZING FROZEN RANDOM PATTERN MODES OF COUPLED MAP LATTICE

为了描述耦合映象格子（CML）的冻结化随机图案模式,定义和计算了与格点位置相关的李雅普诺夫指数谱,并和由雅可比矩阵乘积计算的李雅普诺夫指数谱做了比较。对格点扰动传播过程的研究表明,这种李雅普诺夫指数谱能很好地描述耦合映象格子在随机化冻结图案模式下的时空动力学行为。     

倾转定翼无人机的动力学建模与控制

为了提高整个飞行器在过渡模式下的运动稳定性,提出一种基于李雅普诺夫理论及李雅普诺夫指数趋近律的滑模变结构控制算法.与经典比例微分(PID)方法和滑模PID对比分析可知:对于飞行环境恶劣、动力学特性复杂和难以准确动力学建模的倾转定翼无人机,本算法具有更高的鲁棒性和稳态控制精度.本研究通过结构优化的方法分析了飞行器结构参数与整个系统运动稳定性的量化关系,指出在一定范围内可以通过增大机翼面积提高飞行的稳定性.     

李雅普诺夫方程的新解法

利用对数欧氏度量的方法给出李雅普诺夫方程的新解法.介绍了李雅普诺夫方程的由来,介绍对称正定矩阵流形的黎曼度量以及对数欧氏度量下的距离函数,给出求解李雅普诺夫方程的迭代公式,并给出模拟仿真的结果.      

热线温度场稳定性的实验研究——李雅普诺夫指数和分形数

对热线温度场的稳定性进行了实验研究.得到了周期解和准周期解的自相关功率谱线.李雅普诺夫指数可以表征动力系统的形态.分形数则可以表征混沌程度.李雅普诺夫指数和分形数随参数的变化,定量地表征了非线性系统运动形态的演变,用实验数据计算得到该动力系统的李雅普诺夫指数LE_1>0,但LE_1《1,且LE_1→0,分形致为2相似文献   

利用二次分解——集结法研究离散大系统的稳定性

本文分别用标量李雅普诺夫函数和向量李雅普诺夫函数利用二次分解——集结法,给出了由差分方程所描述的离散大系统的全局一致渐近稳定的三个充分条件,还用标量李雅普诺夫函数给出了大系统全局指数稳定的一个充分条件。     

耦合映象格子冻结化随机图样模式的动力学特征

为了描述耦合映象格子的冻化随机图案模式,定义和计算了与格点位置相关的李雅普诺夫指数谱,并和由雅可比矩阵乘积计算的李雅普诺夫做了比较。     

现代控制中动态系统的稳定性分析

本文主要介绍了李雅普诺夫稳定性定理,李雅普诺夫李雅普谱夫稳定性理论不仅可以研究古典控制理论所能研究的线性定常系统．还可以研究古典控掉理论所不能研究的线性时变以及非线性系统。     

空中交通复杂度测度分析及航班监测预警研究

应用复杂理论分析方法,研究了空中交通流复杂度,提出了空中交通复杂性测度的计算方法以及交通流稳健度评价体系,并对空中交通系统复杂度影响较大的航班提出预警。讨论了基于复杂性测度理论的空中交通复杂度度量分析和监测预警,研究表明所提供的方法能够从复杂,不确定的数据中计算出系统复杂度的变化,通过稳健性技术指标,能够辨别与系统稳健性相关的状态参数,指出对系统稳健度造成较大影响的航班。这些研究工作表明,提出的复杂性方法能够对空中交通复杂度进行测度分析和对航班进行监测预警。     

空中交通网络中航空器群的实证分析

现有的空中交通复杂性研究忽略了空中交通流结构影响,难以反映航空器空间密度分布不均匀的复杂性特征。利用复杂网络中社团结构的思想,对空中交通流结构特征进行研究。建立了航空器群模型,提出了基于深度优先遍历算法的航空器群发现方法,避免了传统社团划分方法需事先指定社团个数的缺点;并从模块度、内聚度、灵敏度几个角度形成了群性能指数,用于综合反映航空器群划分质量。采用实际航班数据对群划分结果进行评价分析,选取60 km为最佳阈值对航空器群的统计特征进行了进一步分析。结果表明,扇区内航空器间的平均水平间隔约为群内航空器间平均水平间隔的6倍;航空器群规模一般都比较小,一半以上的群规模小于6架;航空器群的生命期最长为9 min,但57%以上群的生命期为2 min。     

一种求解终端区紧急降落飞机的插入算法

空中管制员需为到达的飞机安排跑道并计算着陆时间,研究在一条单跑道上安排要求紧急降落的飞机到已排好降落次序的飞机队列中的飞机着陆调度问题.紧急降落的飞机只有出现在终端区时才知道它的机型和预期落地时间.约束条件为紧急降落的飞机应在预期落地时间之前降落及其与前后相邻两架飞机应满足最小时间间隔.已排好的飞机可以被延迟降落,但降落次序不能改变.目标函数是使由于插入紧急降落飞机所造成飞机的总延误时间增加值最小.针对该问题设计了一种优化插入算法对问题进行求解,该算法分为两部分：离线部分——为了实行实时插入紧急降落的飞机做准备;在线部分——当出现紧急降落的飞机后施行实时计算出其插入位置.实例验证了该算法的有效性.     

进近区域到达航班排序和调度的优化

为了减少中国目前由于空中交通管制手段落后而引起的航班延误,提高航班调度的效率和空域的利用率,建立了到达航班排序和调度问题的混合整数规划模型,分析了求解问题的特点,提出了一种启发式算法。该算法结合了空管知识,通过预估未来一段时间内的流量状况实施调度,同时引入优先权,体现了连续航程航班和延误较大的航班的优先级。对算法进行了验证,结果表明:该算法能有效减少航班的延误和空中盘旋等待,提高了空域利用率,对改善中国空中交通管制的自动化水平具有实际意义。     

基于分形维数的交通流效率判别技术研究

复杂性和效率均是反映空管系统运行效能的关键特性,掌握两者之间的量变关系,有助于进一步揭示空中交通流的基本属性,提升空中交通的运行效率。基于分形理论,利用离散傅里叶变换计算了航路点系统交通流量时间序列的分形维数,判别交通流的复杂性。然后,选取延误和流容比作为表征交通流运行效率的特征指标。最后通过仿真实验分析了交通流复杂性和效率之间的量变关系。分析结果表明分形维数和延误、流容比均为正相关,变化速率与加权间隔期望呈负相关:分形维数和延误满足分段对数变化关系,和流容比间局部线性关系显著。根据航路点交通流复杂性和运行效率之间的变化关系,采取相应的流量管理策略,通过有效控制复杂性,提升航路运行效率。     

基于模拟机的空中交通管制复杂度预测模型

为改进管制工作负荷预测方法在探究主、客观量映射关系方面的局限性,提出了一种空中交通管制复杂度预测模型.定义空中交通管制复杂度为管制员工作负荷与其阈值之比;组织一线管制员及资深专家进行多组模拟机实验,获取其对各实验场景下管制复杂度的主观定性评估,利用MATLAB处理得到相应场景下的复杂因子;通过BP(back propagation)神经网络对样本数据进行非线性拟合.拟合模型的平均绝对误差为0.025,预测偏离程度为3.75％.研究表明该模型能够较准确地反映空中交通管制复杂度(主观量)与各复杂因子(客观量)之间的映射关系,为空域规划与管理提供科学理论支持.     

多机型组合下的尾流遭遇仿真研究

为更好的研究尾流的演化和遭遇,将数值模拟与后机响应相结合,进行不同机型组合下的尾流危险区研究。采用H-B(Hallock-Burnhan)模型模拟仿真尾涡流场,进行尾涡演化,提取全流场的时空信息。选取我国数量较多使用频繁的机型进行尾流遭遇分析,将滚转力矩系数作为尾涡遭遇安全评价指标,求解不同前后机的尾流间隔,并进行危险区的可视化。结果显示：不同机型组合下呈现出的尾流间隔相比于RECAT-CN(Re-categorization)尾流间隔都有一定的缩减空间。同前机不同后机的机型组合下,由于后机气动力特性的不同,危险区的差异主要表现为纵向范围大小;不同前机同后机的机型组合下,危险区的宽度和长度的变化都存在一定的差异。使用数值模拟进行前机尾流演化能更好的探究尾涡危险区的变化趋势,更精确的计算尾流间隔。     

单机场地面等待问题的几种模型

空中交通拥挤不仅造成巨大的经济损失,也是飞行安全的重要隐患。地面等待是解决空中交通拥挤问题众多策略中普遍使用的一种,因为该策略经济又安全,它是将航班的空中等待前移至起飞机场的地面等待。本文首先对空中交通流量管理进行了简单的介绍,而后讨论了地面等待策略,最后阐述了几种地面等待模型。     

机场的进离场空中交通流复杂性

机场进离场空中交通流复杂性的量化是空管和机场进行预测和管控的重要依据。提出基于排列熵的复杂熵因果平面(complexity entropy causality plane, CECP)以及Fisher-Shannon(FS)因果平面的机场进离场空中交通流复杂性量化分析模型,量化单机场进离场空中交通流量复杂度,研究多机场进离场空中交通流复杂度之间的关联性。针对单机场,首先将机场进离场空中交通流量时间序列符号化,计算时间序列的标准排列熵和统计复杂度以及Fisher信息,量化机场进离场空中交通流时间序列的复杂程度;针对多机场,构建CECP以及FS,分析比较各机场在CECP和FS中的位置,区分进离场空中交通流复杂性较高的机场。验证结果表明：提出的模型对于量化机场进离场空中交通流复杂性具有可行性和准确性,可以有效区分进离场空中交通流复杂程度较高的机场,对机场交通流的实时预测和管控具有指导意义。     

基于元胞传输理论的航空器进场优化模型

随着空中交通流量的增长航班延误问题日益严重,终端区的情况尤为突出。为了缓解这一状况,利用标准雷达引导航线建立了基于元胞传输理论的终端区进场航班优化模型,结合实际案例,与当前实际进场运行情况进行了对比,求解得到系统运行最短时间、起点处延误时间。案例分析表明,该优化模型既能够反映终端区进场航班的动态特性,又在一定程度上减少了航班延误,可以为终端区进场航班的路径选择提供参考,满足实际的运行需求。