Improved generalized cell mapping for global analysis of dynamical systems

Three main parts of generalized cell mapping are improved for global analysis.A simple method,which is not based on the theory of digraphs,is presented to locate complete self-cycling sets that correspond to attractors and unstable invariant sets involving saddle,unstable periodic orbit and chaotic saddle.Refinement for complete self-cycling sets is developed to locate attractors and unstable invariant sets with high degree of accuracy,which can start with a coarse cell structure.A nonuniformly interior-and...     

两分量Bose-Einstein凝聚态系统的混沌与分支

研究了两分量Bose-Einstein凝聚态的混沌性态；用Melnikov方法严格地证明了该系统的混沌解和各阶次调和解的存在性；并用数值计算结果验证了理论的正确性．     

Linear generalized synchronization of chaotic systems with uncertain parameters

A more general form of projective synchronization, so called linear generalized synchronization （LGS） is proposed, which includes the generalized projective synchronization （GPS） and the hybrid projective synchronization （HPS） as its special cases, Based on the adaptive technique and Lyapunov stability theory, a general method for achieving the LGS between two chaotic or hyperehaotic systems with uncertain parameters in any scaling matrix is presented. Some numerical simulations are provided to show the effectiveness and feasibility of the proposed synchronization method.     

基于动态混沌神经网络的预测研究——以马铃薯时间序列价格为例

针对农产品价格波动的非线性特征明显、传统时间序列方法在预测农产品价格短期波动存在不足等状况,本文将混沌理论和神经网络技术应用到农产品价格短期预测研究中,充分利用相关技术优势,设计了动态混沌神经网络时间序列预测模型.在此基础上,选取2008年1月21日-2012年7月1日的中国马铃薯日度价格为研究对象,对所构建的动态混沌神经网络时间序列预测模型进行学习、训练和测试,并用统计分析方法对模型性能进行评价与分析,最后,将所构建模型的预测结果与传统预测方法预测出的结果进行比较研究.结果显示:整个动态混沌神经网络结构为27-12-1,所设计的基于动态混沌神经网络的马铃薯价格时间序列预测模型在预测精度和性能上较ARMA模型均具有明显优势,这一预测模型在农产品价格时间序列短期预测研究上将具有广阔的应用前景.     

基于Logistic和统一混沌系统的彩色图像加密方法

为了增强彩色图像的加密效果,论文提出一种基于Logistic和统一混沌系统的彩色图像加密方法.该方法首先由Logistic系统生成128位Hash值以便在行、列全局位置置乱中确定各行和各列的交换次序,然后使用统一混沌系统的x、y和z序列分别对三基色图像像素进行逐点替代加密.仿真实验结果及其分析表明,该方法不仅实现简单,安全性强,具有良好的像素值混淆、扩散性能和较大抵抗强力攻击的密钥空间,而且加密图像像素值具有类随机均匀分布特性且相邻像素的值具有零相关特性.     

混沌优化Smith预估补偿器

一个控制系统的Smith预估补偿器参数如果选取不精确可能会导致控制器失效,针对这一问题,提出一种在线混沌优化Smith预估补偿器参数的方法.首先通过混沌映射对被控对象的阶跃响应曲线进行数学辨识得到其传递函数,然后依据辨识出的数学模型进行离线PID参数优化.当模型变化时,控制器可以自适应调节参数.此方法具有被控对象自动识别、系统针对性强、可以在线滚动优化等优点.分别以低阶和高阶数学模型为被控对象进行仿真,仿真结果表明,控制器具有较强的跟踪能力和鲁棒性.     

一种基于混合模型WRC的流量预测方法

针对当前网络流量预测方法在刻画网络流量多重特性方面存在的准确性及噪声干扰的问题,提出了一种基于混合模型WRC的流量预测方法,该方法利用小波分解将网络流量混沌时间序列分解为流量特性不同的近似时间序列和细节时间序列,并利用RBF神经网络和混沌模型分别对这两种时间序列进行处理,得到预测时间序列后再进行小波重构,得到最终的预测值.仿真实验结果表明模型预测有效,且预测精度较高.     

一类简单二次非线性Sprott混沌系统的分析与控制

用自适应反推方法考虑一类简单非线性Sprott混沌系统的控制问题,得到了平衡点的稳定性及Hopf分岔存在性的条件,通过Lyapunov指数图及混沌吸引子验证了系统的混沌现象,通过分岔图分析得到了系统存在复杂动力学行为,并设计自适应反推控制器控制混沌系统到给定的平衡点.数值仿真验证了所设计控制器的有效性.     

基于混沌人工蜂群算法优化的SVM 齿轮故障诊断

为克服支持向量机中模型参数的随意选择对分类性能造成的不利影响, 提出了基于混沌人工蜂群算法的支持向量机(CABC鄄SVM: Chaotic Artificial Bee Colony algorithm of Support Vector Machine)参数优化方法。该方法采用Logistic 混沌映射初始化种群和锦标赛选择策略, 对支持向量机的惩罚因子和核函数参数进行优化时以分类准确率作为适应度函数。通过UCI 标准数据集实验证明, CABC 具有较强的局部和全局搜索能力, 其优化的支持向量机可在很大程度上克服局部极值点, 从而获取更高的分类准确率, 并有效缩短了搜索时间。将该方法应用于实际齿轮故障诊断中, 采用小波相对能量作为特征输入支持向量机, 分类准确率达到99. 4%, 验证了该方法的可行性和有效性。     

基于多维泰勒网的自适应混沌时间序列多步预测

提出了一种新的混沌时间序列预测方法——多维泰勒网方法.该方法不以相空间重构方法中嵌入维数和时间延迟这两个关键参数的选取为前提,无需系统的先验知识和机理,仅根据已知的时间序列样本,通过多维泰勒网模型获得n元一阶多项式差分方程组,进而得到能反映非线性系统动力学特性的多维泰勒网动态模型.在此基础上提出了基于多维泰勒网的自适应多步预测方法,通过数据窗口的滑动自适应建模,实现对混沌时间序列的多步预测.将该方法应用于Lorenz混沌时间序列的一步和多步预测,均方误差分别达到2.56×10-5和2.76×10-3.仿真结果表明,该方法可以对混沌时间进行有效预测,且具有较高的预测精度.