基于两个离散混沌动力系统的序列密码算法

基于两个离散混沌动力系统提出了一种新的序列密码算法.该算法用分段非线性映射的上一次迭代的输出作为分段非线性映射的下一次迭代的输入,并将迭代序列通过离散化算子转化为0-1序列,由0-1序列来选择两个混沌动力系统中的分段非线性映射.对算法进行了仿真实验和安全性分析,并对该映射产生的序列的随机性、初始值敏感性及其他性质进行了研究.研究结果表明,算法呈现出密钥、明文与密文之间高度的敏感性,密文和明文之间的相关度极小等特点,从而起到有效防止密文对密钥和明文信息泄露的作用.     

基于RBF网络的混沌动力系统辨识

提出用RBF神经网络对混沌动力系统进行辨识，设计了一个三层RBF网络结构，仿真实验说明了RBF网络用于学习混沌动力系统时的基本性质。用辨识模型重建吸引子方法定性地评价辨识模型，通过计算辨识模型的Lyapunov指数定量地评价辨识模型的性能，同时推导了RBF网络模型Lyapunov指数的计算公式。仿真结果表明，该辨识模型能很好地逼近原混沌动力系统，准确地体现原混沌系统的动力学特性。     

路径积分法在一类随机动力系统中的应用

利用路径积分法研究一类非线性动力系统的混沌响应,计算lévy噪声激励的混沌系统的瞬时概率密度等概率性质,并讨论lévy噪声对确定性系统混沌运动的影响.研究表明,在噪声强度一定的情况下,其随机系统的概率密度的演化可以用来刻画该混沌吸引算子的结构特征.     

离散时间系统线性状态反馈混沌化的一种新方法

针对给定的确定性离散时间动力学系统,提出一种新的线性状态反馈加非线性模运算的混沌化算法.给定离散时间系统可以是线性、非线性、低阶、高阶、渐近稳定、不稳定、甚至混沌的.算法的结果是受控系统所有李雅普诺夫指数均不为零而其中至少一个为正,符合混沌的定义.给出了证明和一个混沌化实例.仿真结果显示了算法的良好效果.     

阵列动力系统广义同步的新理论及计算机模拟

提出了两个定理,据此可构造通过线性变换达到广义同步的阵列动力系统.在定理的基础上,引入了两个达到广义同步的阵列动力系统.数值模拟结果表明,这两个系统分别展示了复杂极限环广义同步和混沌广义同步.     

基于可变参数的混沌动力系统的序列密码体系

首先研究了一个混沌动力系统的统计性质,然后研究了将该动力系统进行平移变换后得到的一类新的混沌动力系统的统计性质,得到这两类动力系统具有相同的不变测度和均值,关于Lebesgue测度都是遍历的结论.还进一步给出了经平移变换后所得到的新的动力系统的相关函数的计算公式.最后利用带有平移参数的混沌动力系统给出序列密码加密与解密的算法,并进一步对算法进行了仿真实验和安全性分析,结果表明该算法加密效果良好,密钥、明文与密文之间关系均十分敏感,而且密文和明文的相关度也很小,具有很大的密钥空间和均匀分布的密文,可以有效地抵御统计分析,防止密文对密钥和明文信息的泄露,使系统具有很高的安全性.     

An adaptive strategy for controlling chaotic system

This paper presents an adaptive strategy for controlling chaotic systems. By employing the phase space reconstruction technique in nonlinear dynamical systems theory, the proposed strategy transforms the nonlinear system into canonical form, and employs a nonlinear observer to estimate the uncertainties and disturbances of the nonlinear system, and then establishes a state-error-like feedback law. The developed control scheme allows chaos control in spite of modeling errors and parametric variations. The effectiveness of the proposed approach has been demonstrated through its applications to two well-known chaotic systems : Duffing oscillator and Rǒssler chaos.     

利用脉冲控制实现混沌动力系统的同步

研究了混沌动力系统的同步问题．利用线性矩阵不等式理论和脉冲控制的方法,得到了关于混沌动力系统同步控制的一个充分条件．     

Dynamic Reconstruction-Based Fuzzy Neural Network Method for Fault Detection in Chaotic System

This paper presents a method for detecting weak fault signals in chaotic systems based on the chaotic dynamics reconstruction technique and the fuzzy neural system （FNS）. The Grassberger-Procaccia algorithm and least squares regression were used to calculate the correlation dimension for the model order estimate. Based on the model order, an appropriately structured FNS model was designed to predict system faults. Through reasonable analysis of predicted errors, the disturbed signal can be extracted efficiently and correctly from the chaotic background. Satisfactory results were obtained by using several kinds of simulative faults which were extracted from the practical chaotic fault systems. Experimental results demonstrate that the proposed approach has good prediction accuracy and can deal with data having a -40 dB signal to noise ratio （SNR）. The low SNR requirement makes the approach a powerful tool for early fault detection.     

混沌动力系统Hausdorff周期律和概率周期律的关系定理

在综合分析混沌动力系统概率测度渐进独立性和周期性的基础上,提出了混沌动力系统Hausdorff周期律和概率周期律的关系定理。该定理成功地跨越了确定性现象和随机现象间的鸿沟,揭示了Hausdorff周期律和概率周期律间的依存关系,它表明混沌动力系统的Hausdorff周期律是其概率周期律的一种表象。这一发现不仅清楚地解释了混沌动力系统Hausdorff周期律的非退化机理,而且对揭开混沌现象的本质至关重要。     

基于BP神经网络的混沌时间序列预测方法及应用研究

神经网络在时间序列的预测中得到广泛的应用,但神经网络模型的输入层神经元个数的选取仍然没有一个明确的解析式来表达.为解决这个问题,在非线性动力系统中,根据混沌理论重构相空间,通过最大Lyapunov指数判定时间序列是否存在混沌现象,存在则通过G-P算法计算出混沌吸引子的关联维数,进而获得相空间的嵌入维数作为神经网络的神经元个数.通过上述方法对铝现有价格进行建模,验证该方法对时间序列的短期预测有较好的精度,在此基础上,对未来一段时间铝价格进行预测.     

可兴奋神经元的非线性动力学性质

以H-H模型为研究对象,通过改变方程中表征神经元可兴奋性的参数,用数值分析的方法考察可兴奋神经元的动力学性质.结果表明,可兴奋性控制参数越高的神经元,动作电位发生的阈值越大,所能承受的刺激范围也越大.每种神经元都有一个特定的参数域,当参数在其中变化时,神经元对于恒定刺激的反应是混沌的.     

非线性动力学方程的自适应精细积分

将定常结构动力方程的精细积分算法推广应用于非线性动力学问题的求解．对非线性项的线性化处理使该方法的计算精度对时间步长非常敏感,为此将龙贝格积分法引入该方法,提出了由此而产生的指数矩阵的快速精细算法,从而使时间步长的选择具有了自适应性,计算精度和效率均得到提高。     

一种联合优化算法及其在混沌时间序列预测中的应用

为了提高混沌时间序列预测精度,利用相空间重构和预测模型参数间的相互联系,提出一种基于遗传算法的混沌时间序列参数联合优化方法.该方法首先将相空间重构和预测模型参数作为遗传算法的个体,混沌时间序列预测精度作为适应度函数,通过选择、交叉和变异等遗传操作获得最优参数,最后利用混沌时间序列实例对联合优化方法进行验证性测试.实验结果表明:相对于传统参数优化方法,联合优化方法大幅度提高混沌时间序列的预测精度,为混沌时间序列预测提供一种新的思路.     

基于混沌算法神经网络的高校师资预测

本文提出一种基于混沌算法神经网络的师资预测模型,该算法通过在前馈式神经网络连接权空间学习算法的动力学方程中引进一非线性自反馈项,使得网络具有良好的函数近似能力,应用这种算法的神经网络对我国高等院校的师资需求进行预测,为我国有关高等院校的教育决策提供依据.     

混沌时间序列及其在能源系统中的应用

混沌经济时间序列的预测方法研究是混沌经济非线性动力系统的重要内容，笔者利用混沌动力学原理，通过混沌时间序列的相空间重构，运用局域预测方法，建立了预测模型，并用其确立的混沌动力学模型对1991年至1999年全国能源的生产、消费时间序列进行了预测，而且把此预测结果与实际值进行了比较，结果证明误差较小，同时还将此预测结果与常规方法建立的预测模型的预测结果相比，结果表明混沌时间序列建立的模型其短期预测效果更好。     

OHNN新的分组Hash算法

在Hash函数算法的研究设计过程中,引入混沌系统理论,探索研究基于混沌动力学的Hash函数算法.将分段线性混沌映射和过饱和的Hopfield神经网络(OHNN)进行结合,提出一种基于混沌动力理论的单向Hash函数构造方法.对算法进行仿真和测试,从不同方面分析验证所提新的算法满足Hash算法的性能指标.安全性分析表明:该算法能抵抗多种碰撞和统计分析的攻击,具有很好的安全性能.     

一个新三维系统的电路实现及其混沌控制

基于Qi系统提出了一个新的三维混沌系统,对该系统的动力学特性进行了详尽地研究。运用EWB（electronics workbench）软件设计了该系统的振荡电路并进行了仿真实验。经过数值仿真和电路系统仿真证实该系统与Qi系统以往发现的混沌吸引子都不相同,属于新的混沌系统。根据LaSalle不变原理,设计一个简单的自适应反馈控制器,将新混沌系统控制到平衡点。数值仿真证明了该方法的有效性和实用性。     

基于动态神经网络解耦线性化的内模控制

采用动态神经网络对一类多变量仿射非线性系统进行建模，利用解析求得的模型动态逆，将非线性对象近似输入输出解耦线性化。针对复合后的伪线性系统采用内模控制，分析了存在建模误差的情况下闭环系统的鲁棒稳定性。仿真表明了所提方法的有效性。     

非线性动态系统理论在林业系统中的应用——Ⅰ.用Lyapunov指数分析林业系统的动态行为

根据林业系统的机理,建立了森林资源消长的非线性动态模型,进行了仿真研究。提出了具有离散延时的非线性系统的Lyapunov指数的计算方法,并用它来判别林业系统中存在的复杂的非线性现象(分歧和浑沌),为协调生态和经济的关系提供了理论依据。