基于状态空间重构法的永磁同步电机的混沌分析

利用状态空间重构法重构了永磁同步电机（ＰＭＳＭ）的状态空间，分析了永磁同步电机的混沌现象，并与原状态空间图形进行了比较，可以看出重构的状态空间图形与原来的状态空间图形有着相同的拓朴结构和概率特征；其重要意义还在于对ＰＭＳＭ的实验中，在某些状态变量无法实验测得的情况下，可以用状态空间重构的方法，通过测量ＰＭＳＭ的某一状态变量来重构系统的状态空间来研究系统的动力学行为，并进而利用所得的数据来控制ＰＭＳ     

自重构模块化机器人系统的空间状态及运动的研究

设计了一种新颖的同构式模块化自重构机器人系统,研究了该系统的空间状态,提出了一种基于图论的有序定点图以及特征向量矩阵法,该法能准确地描述单个模块在整个系统中的状态以及自重构机器人系统模块之间的空间拓扑连接关系．在此基础上,总结了自重构机器人模块的运动规则及描述方法,并给出了一个6模块自重构机器人系统的变形仿真例子,证明上述方法的可行性．     

时延法相空间重构双参数联合估计方法研究

重构相空间对于研究混沌时间序列有着重要的理论与现实意义,目前采用的分别估计嵌入时延和最小嵌入维数的技术路线,割裂了这两个参数所具有的天然联系.为此提出时延法重构相空间的双重构参数联合估计方法,根据两个重构参数的取值标准,利用迭代的方法,同步估计出时延法重构相空间双参数.应用所提出的方法,分别对高斯白噪声和Lorenz系统两个时间序列进行了数值验证,分析表明计算结果是可信的,可以应用于时间序列的相空间重构.     

适用于高必要嵌入维的混沌时间序列预测算法

针对现有的混沌时间序列预测算法－－延迟坐标状态空间重构法不能对必要嵌入维较高的奇异吸引子进行有效预测问题,分析表明了高嵌入维时预测精度下降的原因在于 构空间的全局Ｌｙａｐｕｎｏｖ指数谱的变化。通过引入仿射变换,改善了高维重构空间的全局Ｌｙａｐｕｎｏｖ指数谱的性状,并由此给出了适用于高必要嵌入维的预测算法。仿真结果很好地支持了这一设想。     

多维时间序列在相空间重构中的应用

介绍了多为量时间序列重构相空间技术，并以上证指数的预测为算例，具体阐述了它对原有相空间重构技术的改进，研究结果表明多变量重构相空间技术的预测效果相对于单变量重构有很大提高，文章的最后指出了在这一方法在经济预测中的应用价值和前景。     

空中目标信号相空间重构方法研究

为提取空中目标辐射噪声非线性和混沌特征,需要对目标信号作非线性时间序列分析,其第一步则是相空间的重构,基于Takens定理进行相空间重构前必须先确定重构相空间的时滞和嵌入维数两个重要参数。分别采用互信息方法确定重构最佳时延和关联积分法确定重构嵌入维数。分别以经典混沌信号和实测目标噪声数据为研究对象进行计算仿真,结果证明了该方法选择地参数进行相空间重构的有效性与准确性,重构的相空间能很好反应原混沌系统的特性,为下一步分析提取目标非线性特征奠定了良好的基础。     

脑电信号非线性动力学处理方法的研究

首先从系统方法的角度对脑电信号的研究作了定义，在此基础上具体分析了脑电信号系统分析的基本困难或难点，说明难于用建模的方法对脑电信号系统进行了研究。然后引出重构状态空间吸引子方法并阐述其在脑电信号系统分析中的意义。     

多观测变量状态空间重构技术及应用

为适应于多个观测变量的状态空间重构问题,对混沌与非线性经济学中状态空间重构技术与Takens嵌入定理进行了推广,给出了多个观测变量状态空间重构意义下相关维数的计算方法.作为应用讨论了度量两列时间序列非线性相关性的一种方法.仿真结果与应用实例说明,该方法可较好地用于解决非线性经济预测中的变量选择问题.     

混沌时间序列相空间重构参数的选取方法

对混沌时间序列相空间重构中最佳延迟时间间隔和嵌入维数的选取方法作了综述,提出了同时考虑这2个参数选取的重构展开－虚假邻点法以及预测误差最小法,并以Lorenz系统为例作了验证。     

相空间重构延迟时间与嵌入维数的选择

论述相空间重构中延迟时间与嵌入维数之间的关系，提出广义嵌入窗长的概念．分析已有的自关联函数法中的不足，提出一种改进的自关联函数法确定广义嵌入窗长，从而确定出相空间重构的其它参数．同时从时间序列相关程度和不相关程度2个方面进行考虑，克服了自关联函数法的缺点．仿真实验结果验证了该方法的有效性．     

动力系统实测数据相空间重构的改进方法

应用本征值分解技术对动力系统实测数据嵌入空间矩阵的本征值进行了计算,提出了具体计算嵌入空间矩阵本征值及其本征向量的改进计算方法,以及嵌入空间矩阵基的改进选取方法,并将所得到的动力系统实测混沌数据向已正交化、单位化了的本征向量上投影,从而完成了动力系统实测混沌数据的相空间重构工作。     

非线性时间序列的相空间重构参数估计的新算法

针对混沌理论中非线性时间序列相空间重构的理论和方法,提出一种估计嵌入维数和延迟时间的新算法,采用矢量空间平均位移法确定延迟时间;基于混沌吸引子上邻近点之间距离随着时间增加最终趋于饱和的特性,估算非线性时间序列相空间重构的嵌入维数. 实例表明,该算法可以有效估计非线性时间序列的相空间重构参数.     

基于改进RBF神经网络的混沌时间序列预测

基于RBF神经网络与相空间重构理论,对网络预测模型进行改进,并以Lorenz动力系统产生的混沌时间序列作为研究对象,建立预测模型并对其进行数值仿真.实验结果表明,基于改进RBF神经网络与相空间重构理论的混沌时间序列预测方法比BP、RBF神经网络模型的预测精度高、误差小、性能优越,改进方法可行、有效.     

相空间重构中参数确定方法的新探讨

论述相空间重构中参数选择的方法并对其讨论,针对已有参数确定方法的主观性强的特点,从一个更新角度考虑相空间重构中的冗余和不相关问题,结合虚假邻点法及平均位移法的思想,提出延迟向量排序计算重构相空间的最佳嵌入维数,以及基于相邻向量内积计算最佳延迟时间间隔.仿真结果证明该方法不仅是有效的,同时也具有易编程的特点.     

三种动力系统实测数据奇异值的比较

嵌入空间矩阵的本征值是定理描述混沌吸收子的重要指标,应用本征值分解技术对３种动力系统实测数据嵌入空间矩阵的本征值进行了计算,并具体计算基嵌入空间矩阵的本征值及其本征向量,提出了对不同的实测数据嵌入空间矩阵基的具体选取方法,并相互比较不同的动力系统实测数据和本征值等量,从而奠定了不同动力系统实测混沌数据的相变间重构的基础。     

脑电时间序列的非线性重构

脑电信号的非线性特征量的提取以其非线性重构为基础,对脑电信号的进行非线性重构的关键是正确选择重构参数时间延迟和嵌入维数．确定重构参数的方法很多,并各有其优缺点．C—C方法是一种可以同时确定最佳时间延迟和最佳嵌入维数的新方法,以Lorenz模型数据和脑电时间序列为计算对象,对这种方法进行了验证与比较．