一类种群增长模型的反馈线性化控制

考虑一类带有时滞的种群增长模型的混沌控制问题.通过计算系统的Lyapunov指数和Lyapunov维数验证了一类带有时滞的种群增长模型具有混沌现象.运用反馈线性化方法,设计反馈控制器,对成虫进行捕获或投放,制定合理的开发策略,将系统中的混沌轨道稳定到理想的目标轨道,即不稳定的不动点,进而使不稳定的种群系统达到稳定.数值仿真说明该反馈控制器行之有效,可以使处于混沌状态的生物种群稳定到理想状态,实现种群的有序生存,保持自然界的生态平衡.     

基于混沌理论的高速公路交通流预测研究

对衡枣高速公路短时交通流进行了混沌识别,结果表明其具备混沌特性,利用重构相空间的嵌入维数确定神经网络的结构,建立了基于混沌理论的高速公路交通流神经网络模型,实际数据验证了该方法对短时交通流预测的有效性.     

上田振子系统的混沌及其混沌控制

研究了上田振子系统的混沌及控制方法,分析了该系统的动力学特性,给出了Poincare截面图、时间响应图及随系统单个参数变化的分岔图和Lyapunov指数图,采用反馈线性化方法来控制该系统的混沌.在不稳定平衡点数值仿真表明,设计线性反馈控制器可以将混沌控制到稳定的周期轨道.     

Lü混沌系统的反馈控制与动态控制方法

通过Lyapunov第一方法对Lü混沌系统的非线性动力学行为及平衡点的稳定性进行分析.采用反馈控制方法对Lü混沌系统行为进行控制与反控制. 根据霍尔维茨判据及线性化理论,选择控制参数以满足一定的特征值条件,从而把Lü混沌系统控制到指定的平衡态或周期轨道上.通过控制参数的动态调整,实现了Lü混沌系统从混沌态到稳定态,混沌态到稳定的极限环,稳定态到极限环,稳定态到混沌态的转化,实现了Lü混沌系统的动态控制.利用数值方法模拟控制结果,所得结果与理论分析一致     

基于航迹分类的终端区交通流非线性特征

终端区空中交通系统是复杂的非线性系统，本文基于航迹分类与交通流混沌理论研究终端区交通流的非线性特征，为终端区交通流控制及预测提供科学依据。首先对获取的广播式自动相关监视(Automatic dependent surveillance-broadcast, ADS-B)航迹数据进行异常识别与处理。然后基于K-近邻算法(K-nearest neighbor, K-NN)与跑道方向设计终端区航迹分类方法，实现终端区航空器航迹的精确分类。根据分类结果构建交通流量的时间序列，结合相空间重构和最大Lyapunov指数分析终端区交通流的混沌特性。最后，选用北京首都机场终端区ADS-B航迹数据进行实例验证，结果表明本文方法可以实现航迹的精准分类，准确识别和分析多跑道机场终端区交通流的非线性特征，在验证时段内36R、36L跑道及整个终端区交通流均表现出混沌特性。     

任意椭圆轨道上磁性航天器姿态运动中的混沌及其控制

研究在具有内阻尼的磁性刚体航天器在椭圆轨道上平面天平动的混沌及其控制.建立了系统的动力学方程应用Melnikov方法建立了系统存在横截异宿环的条件.分别采用Poincare映射和Lyapunov指对系统混沌运动进行识别.采用输出变量反馈线性化控制律及其局部线性化将混沌姿态运动控制为给定的静止状态和周期运动.     

六阶耦合chua电路超混沌控制研究

给出了六阶耦合Chua电路的模型,并Lyapunov指数图分析了该系统的超混沌行为。利用了两种方法实现了系统的混沌控制,将系统的超混沌行为有效地控制到稳定的周期轨道或不动点。     

高速公路动态交通流的神经网络模型

通过对高速公路宏观动态交通流模型的分析，提出了动态交通流的神经网络模型。结合交通调查数据，利用仿真和优化技术对神经网络进行训练，从而获得了比较准确的描述交通流真实行为的模型，仿真结果结果，该神经网络模型具有令人满意的效果。     

任意椭圆轨道上磁性航天器姿态运动中的混沌及其控制

研究在具有内阻尼的磁性刚体航天器在椭圆轨道上平面天平动的混沌及其控制．建立了系统的动力学方程、应用Melnikov方法建立了系统存在横截异宿环的条件．分别采用Poincare映射和Lyapunov指对系统混沌运动进行识别，采用输出变量反馈线性化控制律及其局部线性化将混沌姿态运动控制为给定的静止状态和周期运动。     

基于神经网络和混沌理论的短时交通流预测

文章通过分析短时交通流量数据在时间序列上的特点，结合神经网络和混沌理论，从非线性时间序列预测的角度对交通量预测进行探讨。并用该方法对广州至佛山高速公路交通流进行了预测，取得了较为满意的效果。     

基于混沌理论的局域网流量预测

局域网业务流中广泛存在自相似为特征的现象,并且自相似现象与混沌现象间存在紧密联系.通过采用局域网流量对应的时间序列分析的方法进行研究,基于相空间重构思想,通过C-C算法计算嵌入维和延迟时间;利用小数据量法计算局域网流量时间序列的最大Lyapunov指数来判断其混沌特性;针对基于最大Lyapunov指数的预测方法中只考虑中心点的最邻近点对预测的决定性作用,而忽略了其邻近点邻域内其他各点对预测结果的影响的特点,提出了基于最大Lyapunov指数的加权邻域预测法;最后通过实测局域网流量预测验证方法的有效性.      

基于小波消噪和混沌时间序列的交通流预测研究

基于实际交通流变化的不确定性和交通系统时变复杂的特征,应用小波分析理论,对原始交通流数据进行消噪处理,使消噪后的数据更能反映交通流的本质及变化规律。再针对交通流的非线性特征及其短期可预测性,应用混沌时间序列预测模型来预测短时交通量。结果表明:先进行小波消噪再进行预测所得的结果与实测值有更高的拟合度,可以用于短时交通流的预测。     

关联交叉口短时交通流可预测性分析及组合预测算法

文中首先根据交叉口交通流参数时间序列的相关性对关联交叉口进行定义,给出关联交叉口短时交通流可预测分析的几个定量指标,以及交通流时间序列最大Lya-punov指数的计算方法;然后提出在短时交通流时间序列的可预测分析基础上,选取一组预测模型并建立基于RBF网络的非线性组合预测模型,提出了关联交叉口短时交通流的组合预测算法;最后对实测短时交通流进行仿真试验,结果表明组合预测方法相对于单项预测方法具有更好的预测性能.     

基于航班计划的空域交通流量实时预测模型

空中交通流量预测是空中交通管理的基础,实时的空中流量预测能够有效地保证空中交通有序顺畅的运行,对保证飞行安全和解决空中交通拥挤、减少航班延误有很大的帮助。为了准确预测空域内实时的交通流量,本文首先建立了空域内单航路有N个转弯点情况下的实时流量预测模型,然后将模型推广到了空域内有任意条航路的情况,最后进行了算例仿真。仿真结果证实了文中所建模型能够很好对空域内的实时流量进行预测,模型是可行和有效的。     

混沌理论在交通领域中的应用前景初探

将交通系统看作具有高度复杂性和长期行为不可预测的混沌系统,论述了混沌理论与交通系统之间的关系,分析了混沌理论在交通领域中应用的可行性,并从系统建模、交通流预测、交通控制等几个方面对混沌理论的应用前景进行了探讨,说明混沌理论为交通流管控系统提供了新的手段,有着良好的应用前景.     

基于相空间重构的Internet业务流量非线性动力学分析

基于相空间重构的概念,即通过测量函数获得的L维时间序列来研究动力系统的动力学行为的方法,研究了TCP-Reno在RED和DropTail机制下的拥塞窗口变化特性,以及TCP和UDP共享链路时的流量特性.利用相空间重构将单一标量时间序列重构为高维相空间,从而进一步研究了高维相空间的混沌等特性.分析结果表明:在一定的实验条件下,拥塞窗口变化值的关联维数为分数,最大Lyapunov指数为正,高维相空间具有混沌特性且其Hurst参数接近于1,此时的空间同时具有严格的二阶自相似性;流量值的关联维数为分数,最大Lyapunov指数为正,该空间亦具有混沌特性.     

基于热力学熵的交通流模型

在分析热力学熵的基础上,讨论了交通流类热力学熵的构造方法,并构造了适用于不同情况下的交通流熵。通过对系统熵变的分析,揭示了交通流熵产生的内部机制,导出了熵产生公式。最后依据熵理论,导出了路段交通系统的交通流状态变化的微分方程,并建立了动态交通流模型。研究结果表明,此法不仅对已有理论具有包容性,而且具有普适性。     

快速路通道动态OD流估计模型

基于快速路通道的主干道和匝道出入流量信息,提出了一个新的动态OD矩阵估计模型和在线估计算法.文中引入宏观交通流模型以计算旅行时间,并把模型参数也作为状态变量进行估计,相应增加了新的测量方程.该文构建了新的动态OD估计状态空间模型,采用了含有约束条件的Unscented kalman filter(UKF)算法,运用仿真数据进行评估,结果表明,即使在拥堵状况下,提出的模型和算法也能达到很好的精度.     

基于混合人工鱼群优化SVR的交通流量预测

实时准确的交通流量预测是智能交通系统(ITS)中的重要内容．支持向量回归(SVR)能够用于解决交通流量预测问题,针对SVR中存在的参数选择困难,提出一种混合人工鱼群(AFS)算法．该算法利用粒子群优化(PSO)算法公式改进AFS算法,减小AFS算法中步长因子的影响,并引入混沌初始化AFS机制,选取最优SVR参数,建立了基于混沌PSO-AFS优化SVR的交通流量预测模型．仿真结果表明,该交通流量预测模型具有更优的预测性能,证明了其可行性和有效性．     

基于人工神经网络城市交通流量智能预测的研究

通过对我国目前城市交通情况的分析．说明交通拥挤和流量大小息息相关，因此对城市交通流量进行预测具有重要的意义。目前应用于城市交通流量智能预测的人工神经网络模型主要有线性网络、BP网络、反馈网络等。经过综合分析而采用了线性网络对城市交通流量进行预测，其优点主要表现在结构简单，实用方便，反应速度快，实时性强。根据城市交通的具体情况，对城市交通流量的预测模型进行了仿真。其仿真结果表明所采用的线性神经网络能够用于城市交通流量的预测。