基于模拟退火算法的混沌运动控制

提出一种利用模拟退火算法来控制混沌运动的方法,可以在目标轨道未知的情况下,采用随机的方式持续地对系统控制参数进行"生成-判断-接受/舍弃",通过这种自我"学习"过程,选择最佳的参数进行控制,从而使混沌系统趋于并最终稳定于系统的均衡解.实现了Logistic和Henon映射中的混沌运动控制,仿真实验结果表明该方法是非常有效的.     

基于耦合映像格子混沌系统的Hash函数构造

针对Hash函数构造的需要,基于耦合映像格子混沌系统提出了一种新的Hash函数构造方法. 该算法利 用消息明文分组实现对混沌初值、混沌系统参数和耦合系数的调制,将消息明文分组变换后直接映射到耦合映像 格子混沌系统的参数空间. 理论分析和数值仿真表明,该文提出的新算法对混沌初值、混沌系统参数和耦合系数变 化高度敏感,具有良好的单向性、置乱性和强的抗碰撞性.     

基于事件触发采样的混沌系统同步算法

综合事件触发采样和状态观测器设计方法,提出了基于事件触发采样的混沌系统同步模型.应用李雅普诺夫稳定性理论建立了系统同步的充分条件,并利用Matlab软件给出了相应的同步算法设计.通过对蔡氏混沌电路的仿真,验证了所得算法的有效性.仿真结果表明,所提出的同步算法易于实现,同步效果好,可以在一定程度上减少数据采样次数.     

一种基于符号动力学的混沌序列消噪方法

以符号动力学为分析工具,讨论了一类单峰映射混沌序列在符号动力学空间上的马尔科夫过程模型,从该模型出发给出了一种极大似然混沌序列噪声消除的Viterbi算法,并利用符号动力学的特点,对该算法的消噪效果进行了理论分析和仿真比较.实验表明,这种消噪算法的仿真结果和理论分析的结果是一致的,可以应用于混沌通信中的信号消噪处理.     

基于最优样本子集的在线模糊LSSVM混沌时间序列预测

提出一种基于最优样本子集的在线模糊最小二乘支持向量机(least squares support vector machine,LSSVM) 混沌时间序列预测方法. 算法选择与预测样本时间上以及欧氏距离最近的样本点构成最优样本子集,并采用" 不敏感函数对其进行模糊化处理,通过模糊LSSVM 训练获得预测模型. 随着时间窗口的滑动,最优样本子
集和预测模型实时更新,模型更新采用分块矩阵方法降低运算复杂度. 实验中对时变Ikeda 序列进行预测,表明所提出的方法与离线和在线LSSVM 相比,训练速度更快,预测精度更高.     

混沌和超混沌系统控制的辅助系统设计方法

提出了一种控制混沌系统或超混沌系统的辅助系统设计方法.对于任意的混沌系统或超混沌系统,可以构造它们的辅助系统,并且能够设计一种迭代控制器.该控制器能够稳定吸引子内部的不稳定周期轨道.Rossler超混沌系统和广义Henon映射的仿真结果均验证了该方法的有效性.     

Schweizer-Smital混沌与修改的Devaney混沌不等价

本文总结了Morse极小系统的重要混沌性状,更进一步得出Morse极小系统不是Devaney混沌的紧致系统,也不是Schweizer-Smital混沌的紧致系统.从而证明了存在着是修改的Devaney混沌但不是Schweizer-Smital混沌的紧致系统.本文还通过构造了一个是Schweizer-Smital混沌但不是修改的Devaney混沌的紧致系统,得出结论:修改的Devaney混沌与Schweizer-Smital混沌互相不存在蕴含关系.     

全局混沌杂交的粒子群优化算法及应用

提出一种新的混沌粒子群优化算法(EC-CPSO),该算法在基本混沌粒子群优化算法(CPSO)基础之上,将粒子速度计算公式中的随机数用混沌随机序列来替代,同时应用早熟判断机制,在对最优粒子进行混沌化处理之外,对其余粒子进行杂交处理,提高了算法的寻优能力,有效避免算法陷入局部最优并防止过早收敛.将之用于(N+M)容错系统优化模型证明该算法与CPSO相比具有一定的优势.     

超混沌系统滑模自适应同步控制及其在保密通信中的应用

由于混沌系统具有内禀随机性、初值敏感性和宽频谱等特性,利用混沌系统实施保密通信,成为提高信息安全的有效手段. 为了进一步改进通信保密性能以及抗干扰能力,该文基于经典的Lorenz系统设计了部分参数时变的四维超混沌系统. 将明文信号参与该混沌系统的运算,采用滑模自适应控制方法设计单维信号控制,实现了同结构超混沌系统同步.在达到同步的情况下,接收端能有效地恢复出隐藏信号.数字仿真表明这种同结构超混沌系统滑模自适应同步控制是有效的.     

基于模糊竞争学习的模糊自校正控制

提出一种基于模糊竞争学习的模糊自校正控制方法.先通过基于模糊竞争学习确定一种在线模糊辨识算法,并给出递推模糊竞争学习算法收敛性证明.在采用此模糊辨识方法对对象进行在线估计的基础上,再用调节器实现参数的自动整定.为验证此法的有效性,还给出了非线性系统的控制结果.     

基于混沌的模拟电路故障诊断方法

针对模拟电路故障诊断的神经网络方法中,网络易陷入局部极小、收敛速度慢等缺点,网络结构、权值难以确定等难题,提出一种利用混沌优化神经网络的模拟电路故障诊断新方法.该方法中,将混沌变量引入神经网络结构的优化搜索,使得神经网络的隐层节点数以及所有权参数处于混沌状态中,从而整个网络结构呈现为动态变化.然后从动态的神经网络结构中,根据性能指标来寻找一个全局最优或近似于全局最优的网络结构.最后利用优化的神经网络对模拟电路进行故障定位.利用该方法对模拟电路进行实例仿真,结果表明该算法可以有效、可靠地运用于模拟电路故障诊断中.     

变尺度因子暂态混沌神经网络多用户检测器

提出一种变尺度因子暂态混沌神经网络,具有较好的逃逸局部最优点的能力,并将其用于实现DS/CD-MA通信系统中的最佳多用户检测器.实验结果表明这种基于变尺度因子混沌神经网络的多用户检测器,其误码率性能优于已有的神经网络多用户检测器,能较好地逼近最佳多用户检测器的性能。     

联想记忆混沌神经元网络

在对当前混沌神经元网络在信息处理中的应用研究的基础上,提出了对混沌神经元组成的人工神经网络模型建立一种新的自联想矩阵的方法,由此建立了经沌神经元组成的改进的联想记忆网络。通过仿真实验证实了与现有方法相比,其联想的成功率和加快速度方面都有较大的提高。并从理论上详细地介绍了网络的联想记忆过程和性质提高的原因。     

网络控制系统的自适应预测控制

针对具有随机时延的网络控制系统,提出一种自适应预测控制方法. 利用Elman神经网络对网络控制系统的随机时延进行在线预测,然后采用一种增加微分作用的改进隐式广义预测控制方法对网络时延进行补偿,实现了随机时延网络控制系统的自适应预测控制. 仿真结果表明,该方法对网络随机时延有很好的补偿效果,可明显改善系统输出性能,保证控制的稳定性与快速性.     

线性方程组的神经网络算法

研究了线性方程组AX=b的神经网络算法,该算法加快了神经网络的收敛速度,大大提高了计算速度,并且该算法对奇异方程组也是有效的。     

一种用于地应力分析的改进型BP神经网络方法

地应力测量及分析研究,对地应力活动方式、构造体系的研究以及岩土工程与结构的设计和稳定性,都具有重大的理论意义和实用价值.BP神经网络算法比较成熟,已被广泛应用,但一般BP神经网络算法存在训练学习速度较慢、样本泛化能力差的问题,通过引入动态学习因子和惯性因子以及模拟辅助样本,对神经网络进行了改进.通过调节动态学习因子和惯性因子以及对样本集数据处理等手段,对样本的学习、训练进行优化处理,通过实例验证,将优化好的网络样本训练结果与一般结果进行比较,结果表明对三层BP神经网络进行的优化,在提高计算精度的同时也提高了网络的收敛速率,证明改进的算法能够很好用于地应力分析.     

一种不定控制系统的强健神经网络控制器

探讨不定控制系统的强健神经网络控制器．这是一个由遗传运算法则确定的最佳隐藏神经数的前馈多层神经网络．它借助状态空间控制器和编入必要的最佳程序,进行非线性处理,以确保性能的强健性．混合的遗传运算法则和后繁殖神经培养,具有最佳网络结构和神经染色体接合权的双重目标,把最佳网络结构和神经权协调地聚合,从而得到与性能控制目标基本一致．     

基于小波神经网络的非线性函数的逼近

给出了一种基于BP神经网络的自适应小波神经网络的模型 .该模型根据逼近函数的特性 ,选择不同的小波函数作为网络隐层 ,输出层是一个线性神经元输出 ,网络参数通过自适应调整得到 .实验结果表明 ,这种网络不但可以精确的逼近一般的非线性函数 ,也能实现对混沌时间序列的精确学习 ,而且网络的收敛速率比BP网络更快 .     

神经网络理论在FCS安全性评价中的应用研究

将神经网络理论应用于评价FCS的安全性,在标准BP网络原理基础上,提出BP网络的一种改进算法:即采用带非线性动量项自适应变步长的BP算法(NASBP),并提出一种用神经网络理论评价FCS安全性的实现方法.通过仿真验证该方法的可行性和有效性.     

基于BP网络的三值动态矩阵控制算法的实现

通过具体分析动态预测控制算法在工业应用中存在的实际问题,提出了一种三值动态矩阵控制算法,该算法主要在优化性能指标函数式中真正地建立了"头、中、尾"3点约束.仿真结果表明,该算法具有系统跟踪精度高、鲁棒性好等优点.同时,针对慢时变、大时延和不确定性系统的跟踪问题,提出了一种基于BP网络的三值动态矩阵控制算法.该算法在三值动态矩阵控制算法的基础上,利用一个3层BP神经网络对被控对象进行辨识.通过仿真,验证了所提算法的有效性.