非线性时间序列的相空间重构技术研究

分析了混沌时间序列相空间重构中常用的C-C方法所存在的四点不足,提出了改进的C-C-2方法.该方法改进了时间序列关联积分的计算方法和参数,利用混沌序列周期N的概念,提出了通过寻找Scor(t)的第一个属于混沌序列周期N的局部极小峰值,来确定最优延迟时间窗口的判断方式;并只寻找平均ΔS2(t)的第一个极小值来确定最优时间延迟,所得结果更合适、稳定,而且将原算法的抗噪能力由30%提高到80%.     

简单非线性多次降噪过程中的异常状态

为了降低电子制造企业的产品合格率时间序列中的噪声,采用了简单非线性降噪算法对时间序列进行多次局部降噪.在降噪过程中,在某一邻域半径的重构相空间中出现了大部分点变成了孤立点的异常状态.通过对异常状态与正常状态的对比研究,发现异常状态下的时间序列是不变的,而且该时间序列的最大Lyapunov指数为恒定值,其大小已经接近该降噪过程能够达到的最大Lyapunov指数.在重构相空间中的降噪过程中出现异常状态的意义在于:这种状态下的系统在重构相空间中已经进入一种基本有序的状态,重构相空间中的大部分点之间只存在时间相关性,所以出现异常状态后的时间序列正是降噪所要寻找的最佳混沌时间序列.     

相空间重构中最优时滞确定方法研究

针对自相关函数法在确定相空间重构最优时滞中存在的缺点,提出了一种改进方法。该方法对自相关函数进行了扩展,并借助于信息熵来确定时滞值的上限,因而能够同时判别时间序列中存在的线性自相关与非线性自相关。在理论分析的基础上,给出了新方法的应用步骤。最后,通过电力系统短期负荷的预测,验证了该方法的有效性。     

相空间重构的一种新方法研究

通过分析非线性动力学系统的特性,讨论了鞍点与混沌产生的关系,并通过仿真证实了吸引子上存在特征点对和特征距离。根据特征距离的2个重要性质提出了一种新的相空间重构方法。结果表明该方法是有效的。在数据量较少以及信号中存在噪声的情况下,该方法有较好的稳健性。     

多变量时间序列相空间重构的优化

基于单变量时间序列相空间重构中嵌入维数的计算常采用虚假邻点算法,但推广到多变量情形时存在多种不足,提出了一种多变量时间序列相空间重构时嵌入维数的一种改进算法。改进算法在避免使用虚假邻点算法中的判别距离和算法收敛阈值的同时,也解决了已有多变量重构算法中全局和局部较优相空间维数搜索范围的选取问题。耦合R ossler系统产生多变量时间序列的仿真计算验证了该算法的有效性。经与单变量时间序列对比试验分析,表明采用新算法重构的相空间具有较强的预测能力,由此计算得到的非线性不变量具有较高的计算精度。     

时间序列重构相空间中系统定性行为建模与仿真

提出了一种以重构相空间为基础,从实验时间序列研究未知系统动力学的新方法.定义了重构相空间中系统定性状态和定性行为的概念,根据系统动力学特性对模糊聚类方法进行改造,用于自动提取系统的定性状态.基于这些定性状态,给出了系统定性行为的两种表示方法:时序定性状态图和定性状态转移图.分别运用Lorenz系统产生的时间序列和癫痫脑电时间序列对提出的方法进行仿真实验,结果表明,该方法能有效提取系统的定性状态,每个定性状态中的向量之间具有高度的相似性.系统定性行为的两种表示方法均能准确地刻画系统行为中的非线性动力学特征.     

基于相空间重构的RBF江水浊度预报研究

针对江水浊度序列非线性非平稳的特点,提出基于相空间重构的径向基函数(RBF)神经网络江水浊度预报法.利用虚假邻域法确定最小嵌入维数,根据互信息法计算最佳延迟时间;根据取得的嵌入维数和延迟时间对江水浊度时间序列进行相空间重构;利用重构相空间后的时间阵列,用RBF神经网络建立预报模型;利用该模型对江水浊度进行预报.最后通过仿真,证明基于相空间重构的RBF神经网络预报优于SISO-RBF神经网络预报和BP神经网络预报.     

基于改进的C-C方法的相空间重构参数选择

针对混沌时间序列相空间重构C-C方法的三点不足,提出了一种基于改进的C-C方法的确定最优时延与嵌入窗的新算法。在关联积分计算过程中引入了权衡计算精度与速度的可调参数,合理选择该参数,能在不严重损失估计精度的前提下,大大加快计算速度。在理论分析的基础上,用所提出的算法对三种混沌序列进行相空间重构,仿真结果表明该算法对最优时延的选择更准确,对最优嵌入窗的选取更可靠。     

基于相空间重构与鲁棒极限学习机的时延预测

针对网络控制系统(networked control system,NCS)诱导时延具有的时变、随机、非线性等特点,提出了一种相空间重构与鲁棒极限学习机(robust extreme learning machine,RELM)的时延预测算法。首先利用0-1测试对时延序列进行混沌特性检测,再通过改进关联积分法确定重构延迟参数和嵌入维数,进而对时延序列进行重构,新的样本更能真实反映时延变化特性。以重构后的时延序列为训练样本,同时,考虑异常值的稀疏特性,运用RELM进行时延序列预测。该方法具有学习速度快、泛化性能好、可有效降低异常值影响等优点。     

改进局部投影算法的混沌降噪研究

针对混沌信号降噪算法中邻域和局部噪声子空间的选取问题,提出了一种改进的非线性混沌降噪方法,即将小波理论和非线性混沌降噪算法结合起来,利用小波分析方法对相空间中的点进行初始邻域半径的估计,自适应地在相空间中选取合适的邻域点;并针对每一个小邻域进行不同的非正交投影,从而更新数据点。仿真中分别对Henon映射产生的混沌序列和实际观测的大连降雨量混沌序列进行了研究,结果证明了该方法简单可靠,且能够较好地校正相空间中点的位置,逼近真实的混沌吸引子轨迹。     

局部投影降噪算法邻域半径参数的选择研究

基于动力系统模型的局部投影非线性降噪算法，对混沌信号和一大类非平稳信号具有明显的降噪效果。利用局部投影算法对信号进行降噪处理，邻域半径的选择对降噪结果有很大的影响。我们研究了基于递归分析的邻域半径参数的估计和基于噪声强度的邻域半径参数估计。通过对Logistic映射和Lorenz模型叠加不同大小的高斯白噪声，对两种邻域半径估计方法进行分析比较，得到了基于噪声强度的邻域半径参数估计方法具有更好的降噪效果，为局部投影降噪算法的应用奠定了基础。     

基于模型跟随的神经网络非线性重构控制

针对歼击机在结构故障下的动力学方程 ,提出了一种基于径向基函数 (RBF)神经网络的模型跟随非线性重构控制策略。该方法不必精确已知系统故障的位置及其损伤程度 ,可直接对故障系统实施重构控制 ,使其输出能精确跟踪期望参考模型的输出。该方法在模型跟随重构控制的基础上 ,引入了神经网络控制器 ,以补偿故障引起的非线性因素的影响。理论分析和仿真验证表明 ,所提方法可保证闭环系统具有良好的重构性能和很强的鲁棒性 ,且算法高效简单 ,易于计算机在线控制。     

一种基于混合策略的孤立点检测方法

孤立点检测面临数据不平衡和代价敏感两个问题。利用改进的一类支持向量机对数据集进行重构,并结合代价敏感支持向量机提出了一种混合策略检测方法。首先在传统的一类支持向量机优化过程中设定不同权重,通过刻画超平面消除部分正常样本进而平衡数据集;重构过程保留了孤立点信息,同时能克服数据混叠现象。通过代价敏感支持向量机对样本进行训练,利用受试者工作特征分析作为评判依据搜索最优参数,进而调节阈值获得孤立点检测模型。仿真实验结果表明,本文方法能提高检测精度,同时有效降低总的误分类代价。     

基于模糊递归和最优硬阈值的局部投影降噪算法

针对原始局部投影降噪算法的局部邻域选取问题和子空间划分问题,提出了一种基于模糊递归图和最优硬阈值准则的局部投影降噪算法。首先,利用模糊递归图确定局部邻域范围;然后,再对邻域矩阵进行奇异值分解,并利用最优硬阈值准则对局部邻域的信号子空间和噪声子空间进行划分;最后,进行投影去噪。Lorenz信号的仿真结果表明,所提方法能够提高信噪比并降低均方误差,恢复原始吸引子的形态结构。对实测含噪心电图信号进行处理后,信噪比显著提高,验证了本方法的有效性。     

改进非线性局部平均算法的混沌去噪研究

基于混沌序列重构相空间理论,提出一种改进的局部平均非线性去噪方法。该方法在邻域选择、数据更新等方面进行了改进,更好地校正相空间中点的位置,使其逼近真实的混沌吸引子轨迹,重构吸引子结构,而且计算更为简单可靠。分别对Henon映射产生的混沌序列和实际观测的月太阳黑子混沌序列进行仿真研究。结果证明此方法能够高效地去除噪声,同时保留原非线性系统的混沌特性,并且很好地区分相空间中的邻近轨迹。     

一类非线性系统的局部镇定及吸引域估计

研究了一类非线性系统的局部稳定问题,应用中心流形定理,给出了这类非线性系统渐近镇定的充分条件和系统的吸引域估计.设计出镇定系统的反馈控制律,特别研究了一类平面非线性系统,给出了系统镇定的若干条件.通过实例说明选取控制律应注意的一些问题,给出了多个实例,表明结果的有效性.     

一类参数不确定非线性系统的故障检测与重构

飞行器在全包络上表现出明显的气动参数不确定性,以某无人机纵向模型为研究对象,提出一种不确定参数在线估计的自适应观测器故障重构方法。首先,将系统状态方程描述为一类带时变参数的仿射非线性结构,在参数增广系统能观性分析基础上,采用增广容积卡尔曼滤波(augmented cubature Kalman filter, ACKF)算法实现气动参数在线估计,以克服鲁棒性死区故障检测方法的保守性,提高检测灵敏度。其次,将所估计参数用于自适应观测器设计,由于Lie导数分析方法保证了对象系统的能观性,故系统不必满足文献方法中的特定规范形式;在此基础上,给出了故障检测自适应阈值和故障参数调节律,并分析了估计误差的收敛性。仿真实验表明了所提方法的有效性。     

基于平动点轨道的绳系卫星编队重构仿真

针对位于日地系统共线平动点附近三维周期轨道上的旋转绳系卫星编队,利用数值仿真研究其重构阶段的动力学稳定性问题。编队系统为一个母卫星和n个子卫星通过长度可变系绳连接的轮辐状结构,基于Hill限制性三体问题建立姿态与轨道耦合的动力学模型,分别针对留位以及包含展开和回收的编队重构阶段,利用非线性数值仿真研究其姿态稳定性。研究表明系统留位姿态稳定,展开不稳定,回收稳定,较小的母卫星轨道高度及绳长变化速度更有利于姿态稳定。     

一种简单供应链中信息共享的价值

通过模型分析的方法，研究一种简单供应链即一个供应商和n个零售商的两级供应链之间的需求信息共享所产生的价值。研究结果表明：信息共享可以减少供应商的存储水平，降低供应商的期望费用。     

结合局部理想点搜索的多目标粒子群算法

提出了一种结合约束二次逼近优化(bound optimization by quadratic approximation,BOBYQA)搜索算法的理想点法对非支配解进行局部优化的混合多目标粒子群方法(local search with multiobjective particle swarm optimization, LSMOPSO),以提高多目标粒子群算法的收敛性能和非支配解集的精度与多样性。LSMOPSO算法使用拥挤距离选择领导粒子组成领导粒子集,并对其进行理想点局部搜索;分析比较了全局理想点和局部理想点对算法性能的影响,提出基于局部理想点的局部搜索策略;在粒子的设计空间的多个维度上引入均匀变异操作,降低算法陷入局部最优的可能。基本测试函数的求解结果表明,算法的收敛速度很快,而且搜索到的非支配解集的精度高、多样性好。