基于混沌预测的模糊神经网络控制器设计及应用

由于混沌时间序列内部确定的规律性 ,其重构出混沌吸引子的相空间具有高精度短期预测性。根据非线性、大时滞系统的时间序列重构相空间 ,计算相空间的最大Lyapunov指数、饱和嵌入维数和可预报尺度 ,并以此为指导 ,对系统作高精度预测。在此基础上 ,又设计了遗传算法优化的模糊神经网络预测控制器 ,实现了对非线性、大时滞系统高精度的自适应控制。将该控制应用在锅炉过热汽温控制中 ,仿真表明该控制的有效性、准确性和鲁棒性。     

基于混沌-神经网络模型最优控制及应用

由于非线性混沌时间序列内部确定的规律性，其重构相空间具有高精度短期预测性．为此，为了实现非线性、大时滞系统的自适应控制，文章根据具有混沌特性非线性、大时滞系统的时间序列重构相空问，计算相空间饱和嵌入维数、最大Lyapunov指数和系统的可预报尺度，并以此为指导，建立神经网络预测模型对系统作高精度的短期预测；在此基础上，通过反馈校正，将校正误差和控制增量引入性能函数寻优得最优控制决策，实现了对非线性、大时滞系统高精度的自适应预测控制．将该控制决策应用在锅炉过热汽温控制中，仿真表明该控制的有效性、快速性和鲁棒性．     

基于混沌神经网络模型的预测控制器的设计及应用

根据具有混沌特性非线性、大时滞系统的时间序列重构相空间，计算相空间饱和嵌入维数、并以此为指导，建立混沌神经网络，即便在网络输入不完整或发生变异的情况下，该模型仍能对系统作高精度的短期预测；在此基础上，又设计了模糊神经网络预测控制器，实现了对非线性、大时滞系统高精度的自适应控制。将该控制器应用到单元机组负荷控制系统中，仿真表明了该控制有效性、快速性和鲁棒性。     

混沌时间序列的混合遗传神经网络预测方法

在相空间重构理论的基础上,将改进的遗传算法和神经网络结合起来,提出了一种混合遗传神经网络预测混沌时问序列的方法.通过复相关法和Cao方法重构混沌时间序列,利用改进的遗传算法优化神经网络的结构、初始权值和阚值,然后训练神经网络求得最优解.该算法应用到混沌时间序列的预测中,验证了该算法的有效性,并与BP和RBF算法的预测精度进行了比较,仿真结果表明该算法对混沌时间序列具有更好的非线性拟合能力和更高的预测精度.     

多层混沌神经网络及其在交通量预测中的应用

研究多层混沌神经网络及其在交通量预测中的应用问题。以BP网络和混沌理论为基础,提出了一种在隐层中包含混沌神经元的多层混沌神经网络。XOR问题实验得出:该混沌神经网络能有效地强化网络的非线性和学习效率。鉴于城市交通流具有明显的混沌特性,将该混沌神经网络应用于城市交通流的预测。对广东江门市某路口交通量的预测结果显示出:采用该混沌神经网络,预测误差一般可以控制在10%以下(或左右)。该网络还可以应用于其他混沌系统的预测和控制。     

基于混沌和RBF神经网络的短时交通流量预测

针对传统的应用数学模型方法在短时交通流预测精度和实时性方面存在的问题，论文从非线性时阅序列的角度对短时交通流量预测进行探讨，提出采用基于混沌理论的RBF神经网络预测方法。首先在采用小数据量的Lyapunav指数计算方法判定交通流存在混沌的前提下，对交通流量数据进行相空间重构。构建了RBF神经网络，并对模拟产生的Lorenz和Rossler混沌时间序列数据以及实际采集的高速公路交通流量数据进行了仿真研究。结果表明，该方法对模拟产生的混沌时间序列具有很好的预测效果，在交通流量的短时预测上也具有较高的预测精度。     

基于神经网络的混沌系统状态预测

在对混沌时间序列的未来状态进行预测时,必须能够正确确定重构序列相空间时的最优时滞及最优嵌入维数,并根据序列状态的变化选定适当的模型进行预测。利用时间序列的自相关函数来确定时滞τ值,利用混沌序列嵌入维数与关联维数的关系来确定最优嵌入维数m值。在此基础上,选择神经网络模型来逼近真实系统,并采用一种新的算法来确定网络权重。最后,通过Logistic映射所产生的时间序列对所述理论进行了实证研究。     

短期电力负荷的小波——混沌时序预测

提出了一种基于2层小波分解的混沌时序相空间重构预测模型.该模型利用小波分解原始负荷时间序列为周期项、趋势项和随机项,采用不同的混沌相空间重构高低频信号,再分别用相应的小波神经网络工具箱拟合混沌吸引子,将其输出进行信号重构得到最终预测结果.该方法兼有频率特征提取和相空间重构的优点,使短期电力负荷时序列的动力学系统得到更加细致的恢复.通过对欧洲电力负荷竞赛数据的实验证明了所提方法的有效性,仿真结果表明方法预测精度优于常规混沌时序预测方法.针对神经网络预测不稳定的问题给出了一种种解决措施,并提出了一种小波神经网络工具箱,该方法比编程实现的小波网络可以大幅度提高训练速度,尤其适合于大批量数据的训练,对小波神经网络的推广应用和混沌时序预测具有重要意义.     

超混沌时滞神经网络的同步及其仿真

时滞神经网络是解空间为无穷维的非线性动力系统,这样的系统可产生具有多个正的Lyapunov指数的超混沌行为。复杂的时间序列使得这类系统特别适用于保密通信中。针对一类时滞超混沌神经网络系统,利用单向耦合同步概念,设计了一个非线性控制器,并通过Lyapunov-Krasovskii方法和Halanay不等式引理分别给出了系统渐进同步和指数同步的与时滞无关的充分条件。通过引入控制矩阵正定的条件,避免了繁复的LMI计算,简化了控制过程。数值仿真验证了该方法的有效性,数值计算给出了指数同步率和控制参数的关系。     

基于混沌分析的道路网交通流短时预测

道路网交通流短时预测是实现智能交通控制和诱导系统的基础,本文以实时采集的交通流数据为基础,运用状态空间重构和G-P算法进行交通流短期特性研究.具体而言,通过分析交通流的混沌特性确定交通流率时间序列的嵌入维数,重构相空间,并以重构的交通流率时间序列作为输入采用Elman神经网络实现道路网多断面交通流率同时预测.研究结果表明,在道路网交通流短时预测方面Elman网络优于经典的BP网络,基于混沌时间序列分析的Elman网络不仅能够实现道路网多断面同时预测,且预测效果优于无重构的神经网络.     

一种混沌系统的设计及混沌序列码的生成方法

提出了一种新型的混沌系统的设计方案，并将其应用在混沌序列码的生成中。首先，设计了一种简单的、容易实现的混沌系统，并给出了该混沌映射数学特性。然后，在计算机模拟实验的基础上，仔细地分析了该类混沌系统的统计特点，结果显示由该类系统产生的混沌序列具有良好的统计特性，最后，把设计的混沌系统应用于混沌序列码的生成中，计算机仿真实验结果表明该文提出的混沌系统确实安全可靠且容易实现，混沌序列码也具有良好的相关性。     

新分段分数阶混沌系统的同步控制

通过改变修正的Lorenz-Stenflo (modified Lorenz-Stenflo, MLS)混沌系统的分段函数项,得到了一个新的四维分段混沌系统。新系统较MLS混沌系统具有更低的分数阶维数,在3.44阶时仍具有混沌特性。根据分数阶系统的线性稳定性理论和非线性反馈控制方法,提出了新分数阶系统的状态同步方法。通过理论推导,得到了两个混沌系统的同步稳定条件。控制器能够自适应地根据误差大小调节反馈系数,缩短同步时间。最后对3.6阶的分数阶系统进行了同步仿真实验,仿真结果验证了改进算法能够加快同步速度。     

Implementation of a new chaotic encryption system and synchronization

1.INTRODUCTIONChaos phenomenonis a kind of deterministic andran-domlike process in nonlinear dynamics.Chaos signalis very sensitive to initial conditions and chaotic se-quences are unpredictable,which makeits applicationin secure communication become a research hotspot innowadays,at the same ti me,it shows the potentialvitality of chaos,but some problems such as the de-sign of secret keys and the li mited models of the gen-eration of chaotic signals,have not resolved yet.It isknown to all …     

连续混沌系统控制与同步状态反馈方法的扩展

在将连续时间混沌系统的控制与同步问题统一处理的基础上,系统的非线性部分满足可微的条件下,基于微分方程的稳定性理论,扩展了当前实现连续时间混沌系统控制与同步的反馈方法,不需要求解Lyapunov矩阵方程,也不需要构造Lyapunov函数,给出了一个新的判据。数值仿真结果表明改进的反馈方法是可行的和有效的。     

混沌经济时序非线性动力系统的预测方法研究

混沌经济时序的预测方法研究是混沌经济非线性动力系统的重要内容，提出了一种改进的非线性混沌经济模型，应用模型的阶数由最小嵌入维数决定的观点，给出了相应的模型参数辨识方法，并用其确立的混沌模型进行了预测工作，计算结果表明：模型参数辨识方法能迅速地将参数估计值带到多峰目标函数的全局最小值附近，然后再采用优化理论能较准确地求出模型的参数，用得到的混沌模型对系统进行预测工作，其短期预测效果良好。     

一种混沌遗传算法及其在测试生成中的应用

针对标准遗传算法存在的早熟与收敛速度较慢等问题,提出了一种新的混沌遗传算法,该算法利用混沌序列的随机性、遍历性及规律性等特性来控制交叉与变异操作,可有效克服早熟收敛。介绍了一种组合电路测试生成的神经网络模型,以该模型为基础,对所提出的混沌遗传算法在测试生成中的应用进行了详细研究。实验结果表明,所提出的方法能有效克服标准遗传算法中的局部收敛问题,加快了测试生成过程。     

基于混沌同步的保密通信

针对网络数据传输的安全问题,提出了一种基于混沌同步的保密通信方法。通过设计非线性状态观测器,构造了两个混沌系统并使其保持同步,从而实现加密信号的完全再现。同时分析了同步系统的稳定性,给出了设计非线性状态观测器的方法。应用熟知的Rossler混沌系统构建保密通信系统,并进行分析和仿真。仿真结果表明,该方法具有设计简单、同步速度快、保密程度高等特点。     

一种抗剪切变换攻击的数字图像加密算法

为了能对经过剪切变换攻击的加密图像进行有效恢复,给出了一种基于混沌序列的数字图像加密算法,该方法在预处理的基础上,基于数字图像灰度矩阵位平面进行置乱加密,在恢复过程中通过像素邻域灰度信息进行恢复,能够有效抵御针对加密图像的剪切变换攻击。实验表明,该方法具有较好的效率和安全性。     

混沌理论及其在水文水资源中的应用

混沌理论在水文水资源中的应用主要包括水文水资源系统的性质识别和非线性预测两个方面。在简要介绍混沌时间序列重构的基础上,着重介绍了混沌时间序列在水文水资源系统中的应用领域、研究中比较常用的方法和所得到的一些结论,并提出了应用中存在的一些问题。参34。     

经济混沌模型中一种改进的反馈控制方法

就经济系统中的一类多参数混沌模型，应用非线性动力学理论，在OGY方法的基础上，对反馈控制方法进行了改进，提出了基于预测的反馈控制方法，该方法成功地进行了多参数混沌控制，并通过两例具体的经济混沌模型，对所提出的方法进行验证。