基于无线传感器网络的双混沌数据加密算法建模与评价

无线传感器网络是物联网领域中典型的Ad Hoc网络,其信息安全影响物联网服务实时交互行为的存在性和唯一性,可用于实时嵌入式工业控制系统的安全度量评价。根据无线传感器网络的特性,设计了基于Logistic映射和Henon映射相结合的双混沌系统加密算法(EDC),实现对明文信息的双重加密,有效地保证了数据的安全性。通过实验证明该算法效率高,安全性强,非常适合无线传感器网络用于实时嵌入式工业控制系统的安全性建模设计和性能评价。     

预不变凸模糊映射的一些性质

首先利用模糊映射的二次可微性,给出了预不变凸模糊映射的一个充要条件,然后建立了预不变凸模糊映射的一个等价条件,结果为预不变凸模糊映射的判断提供了一个新的思路.     

基于动态混沌神经网络的预测研究——以马铃薯时间序列价格为例

针对农产品价格波动的非线性特征明显、传统时间序列方法在预测农产品价格短期波动存在不足等状况,本文将混沌理论和神经网络技术应用到农产品价格短期预测研究中,充分利用相关技术优势,设计了动态混沌神经网络时间序列预测模型.在此基础上,选取2008年1月21日-2012年7月1日的中国马铃薯日度价格为研究对象,对所构建的动态混沌神经网络时间序列预测模型进行学习、训练和测试,并用统计分析方法对模型性能进行评价与分析,最后,将所构建模型的预测结果与传统预测方法预测出的结果进行比较研究.结果显示:整个动态混沌神经网络结构为27-12-1,所设计的基于动态混沌神经网络的马铃薯价格时间序列预测模型在预测精度和性能上较ARMA模型均具有明显优势,这一预测模型在农产品价格时间序列短期预测研究上将具有广阔的应用前景.     

保持算子张量积凸组合的非线性映射

本文给出保持凸组合的可分二体态之间非线性双射的结构性质,证明了此类映射Φ在一定的条件下具有形式Φ(ρσ)=(ST)Ψ(ρσ)(ST)*Tr((ST)Ψ(ρσ)(ST)*).其中,Ψ是恒等映射,或转置,或对第一个张量因子取偏转置,或对第二个张量因子取偏转置,或上述映射与交换映射(swap)的复合。     

永磁同步电动机混沌系统的控制研究

采用自适应控制方法对永磁同步电机混沌系统进行控制研究,当该混沌系统参数未知时,基于Lyapunov稳定性理论,设计了相应的控制器和参数自适应律,使系统的状态控制到任意一个不稳定平衡点,并运用Barbalat引理,在理论上证明了受控系统的渐进稳定性,从而消除了混沌,仿真结果证明了该方法的有效性.     

一类永磁同步风力发电机混沌系统分析与控制

鉴于直驱式永磁同步风力发电机(D-PMSG)在运行启动或停机时存在混沌振荡现象,这对整个系统及工作状况将产生不利影响。提出了用最优控制,使系统脱离了混沌,运行稳定。首先,验证了在某些参数与工作条件下系统会出现非常复杂的混沌运动。基于最优控制理论,提出了一种控制器,该控制器不仅简单而且易实现。仿真结果验证了理论分析的正确性,以及对研究优良的控制方法提供了理论参考。     

基于混沌人工蜂群算法优化的SVM 齿轮故障诊断

为克服支持向量机中模型参数的随意选择对分类性能造成的不利影响, 提出了基于混沌人工蜂群算法的支持向量机(CABC鄄SVM: Chaotic Artificial Bee Colony algorithm of Support Vector Machine)参数优化方法。该方法采用Logistic 混沌映射初始化种群和锦标赛选择策略, 对支持向量机的惩罚因子和核函数参数进行优化时以分类准确率作为适应度函数。通过UCI 标准数据集实验证明, CABC 具有较强的局部和全局搜索能力, 其优化的支持向量机可在很大程度上克服局部极值点, 从而获取更高的分类准确率, 并有效缩短了搜索时间。将该方法应用于实际齿轮故障诊断中, 采用小波相对能量作为特征输入支持向量机, 分类准确率达到99. 4%, 验证了该方法的可行性和有效性。     

带积分边界条件的非线性高阶分数阶微分方程解的存在性

首先通过拉普拉斯变换得出一类带积分边界条件的非线性高阶分数阶微分方程满足边界条件的解,再利用压缩映射原理和Krasnosel’skii不动点理论,讨论了这类方程解的存在性和惟一性。     

基于有监督核自组织映射的锂电池健康状态预测

高效准确地预测锂电池的健康状态(State of health,SOH)可以保证锂电池的正常运行,提高维护效率及电池本身的稳定性。提出一种基于有监督核自组织映射(Supervised kernel self-organizing map,SKSOM)的建模方法用于锂电池SOH预测。首先,对锂电池的原始放电数据进行预处理及归一化;然后,设计并优化了针对SKSOM的输入特征,在此基础上训练出SOH预测模型;最后,在美国国家航空航天局(National Aeronautics and Space Administration,NASA)的标准锂电池数据集上进行验证。实验结果表明,该文所用的预测模型能有效挖掘出锂电池的SOH规律,预测性能优于其他已有的SOH预测模型。