一个三维非线性系统的混沌动力学特征

根据三维混沌系统Lorenz吸引子和Chen’s吸引子线性部分的系数特征,构造了一个三维非线性动力系统,并研究了其混沌动力学特征,包括相轨迹图、最大Lyapunov指数、Lyapunov指数谱和Poincare映射.这些特征都表明,该系统具有混沌吸引子.     

构造球面对称混沌吸引子

为了自动生成球面对称混沌吸引子,提出了计算球面动力系统的Lyapunov指数(L)的计算方法.该方法选取球面上去掉瞬态后的迭代点以及另一个与之球内弦长距离很近的点,通过跟踪它们的球面轨道,利用球面迭代点之间的球内弦长计算球面动力系统轨道的平均Lyapunov指数.采用该方法实现了随机搜索参数并自动计算相应动力系统的Ly...     

基于BP神经网络的轧机当量刚度系数的研究

从轧机变刚度定义出发,结合轧辊弹跳方程,建立了轧机当量刚度的数学模型,分析影响轧辊刚度系数的因素,得到轧辊位置补偿系数函数,给出三层BP神经网络的训练算法。仿真结果表明BP神经网络在轧制过程中能够很好地预测轧辊的当量刚度值,轧件出口厚度偏差曲线收敛速度快,显著提高了控制系统性能。     

液位控制系统的混沌故障建模分析

正常的控制系统可能会由于某些非线性故障使系统转变为一个混沌动力学系统,针对实际的液位控制系统的一般数学模型进行仿真分析,仿真过程中通过改变系统的比例以及微分环节的反馈参数以及在此回路中加入一些非线性环节,使液位控制系统的运动转变为混沌运动,同时计算系统的最大Lyapunov指数,通过判断李雅普诺夫指数的正负,从而说明了液位控制系统在满足某些条件下,会转变为混沌运动.研究结果说明,研究控制系统中混沌运动的必要性.     

利用语音非线性特征改进说话人识别的性能

分析说话人发音过程中的非线性现象,通过计算38个汉语音素的最大Lyapunov指数验证语音内含混沌性.从不同侧面讨论语音非线性特征量的物理意义和计算方法,包括Lyapunov指数、二阶熵和相关维数,并将这些非线性特征用于说话人识别.在Gauss混合模型的说话人识别系统中,基于MFCC参数得到识别结果的基础上,用最大Lyapunov指数、二阶熵和相关维数再进行说话人的二次辨认,提高说话人识别的性能.实验结果表明非线性特征参数中包含有说话人特征的信息,因此可用于改进基于MFCC的识别性能.     

液压位置伺服系统同步的控制

针对无缝钢管生产线轧机两侧液压位置伺服系统内部参数不同和外界干扰不一致造成轧辊压下位置不同步的问题,设计了基于模糊输出反馈的液压位置伺服同步控制系统,并从理论上证明了该控制系统的稳定性。仿真结果表明,在轧机两侧内部参数不同和外部干扰差异的情况下,基于模糊输出反馈的液压位置伺服同步控制系统不仅具有较短的同步时间并且跟随误差更小。     

只含一个非线性项的超混沌系统及其电路实现

构造出了一个新的只含有一个非线性项的四维非线性动力学系统,研究了该系统的超混沌吸引子、Lyapunov指数、庞加莱映射图等复杂动力学特征,然后以Multisim电路仿真软件为平台进行了仿真实验,验证了超混沌系统的混沌现象.     

重钢4100mm宽厚板精轧机压下控制系统

本文介绍了应用在中厚板轧机压下装置上的电气及液压自动控制系统。其中电动压下可实现自动位置控制（APC）,采用两台西门子6SE70整流回馈装置的逆变器组成主从控制系统,主装置采用速度控制方式,从装置则接受主系统发出的转矩设定指令而工作在转矩调节方式;液压压下使用自动辊缝控制（AGC）系统,实现厚度、位置及压力的自动控制,其主控制器为西门子的TDC。     

非线性时间序列混沌特性分析及短期预测

为提高非线性时间序列预测的准确性和可靠性,采用基于混沌理论的方法对时间序列进行分析和预测.在研究关联维数和最大Lyapunov指数算法基础上,利用关联维数和最大Lyapunov指数判定时间序列的混沌特性,根据混沌特性参数建立预测模型,并对非线性时间序列进行预测.以上海证券交易所股票价格指数时间序列为实例验证预测模型,研究结果表明,基于混沌特性参数建立的预测模型具有较好的预测能力和预测精度,证明用该方法预测非线性时间序列具有可行性.     

基于Elman网络的金属应力状态系数模型

以4200mm轧机轧制71块钢板的实测数据为基础,利用Matlab神经网络工具箱,建立了轧制变形区的应力状态系数与轧前厚度、轧后厚度及轧辊直径对应关系的Elman神经网络预测模型.结果表明,Elman神经网络模型有较好的预测精度.     

连续时间混沌系统控制与同步的状态反馈方法

将连续时间混沌系统的控制与同步问题统一处理,在系统的非线性是Lipschitz非线性的条件下,基于Lyapunov稳定性理论,提出一种实现连续时间混沌系统控制与同步的状态反馈方法。无论驱动系统处于何种状态,该方法都可使响应系统按照驱动系统给定的轨道演化。该方法对系统参数不匹配及噪声干扰具有一定的鲁棒性。数值仿真结果表明了所提出方法的有效性。     

混沌与混沌应用

混沌理论是非线性动力学系统的重要组成部分,它揭示了非线性科学的共同属性─有序与无序的统一,确定性与随机性的统一。混沌控制及其应用是非线性科学应用新的研究领域,其研究受到了非常广泛的重视。该文介绍了混沌控制的基本方法,阐述了混沌理论的普遍应用,并对今后的发展方向和困难提出了一些见解。     

连续混沌系统控制与同步的自适应方法

提出一种能大范围实现连续混沌系统控制与同步的连续自适应控制器。无论驱动系统处于何种状态 ,在连续自适应控制器控制下均可使响应系统按驱动系统给定轨道演化。该连续自适应控制器对系统参数不匹配及噪声干扰具有一定的鲁棒性。蔡氏电路混沌系统的数值仿真说明了所提出方法的有效性     

连续混沌系统自适应同步控制器设计

本文设计了一种能实现连续时间混沌系统同步的自适应连续控制器．无论驱动系统 处于何种状态,在自适应连续控制器的控制下都可使响应系统按照驱动系统给定的轨道演化 ．该自适应连续控制器对系统参数不匹配及噪声干扰具有一定的鲁棒性．最后以蔡氏电路混 沌系统为例进行的数值仿真说明了本文提出方法的有效性．     

基于一维混沌映射的图像加密方法

由于混沌系统对初始条件和混沌参数非常敏感,以及生成的混沌序列具有非周期性和伪随机性的特性,近年来在图像加密领域得到了较多的应用。提出了一种基于参数随机变化的混沌映射的密码生成方法,生成一个随机性好,长周期的密钥序列并给出了统计特性分析的严格的理论证明。用此序列进行图像加解密实验,对结果分析表明提出的算法能够得到令人满意的加密效果。     

混沌退化及其在加密过程中的影响

由于混沌系统对初始条件和混沌参数非常敏感以及生成的混沌序列具有非周期性和伪随机性的特性,近年来在信息加密领域得到了较多的应用。但是大多数都是采用单混沌系统,具有不可避免的混沌退化特性,导致存在一些潜在的动力学系统攻击方法。该文针对一维线性映射的退化分析提出了信息量对混沌退化的预测效果。设计了一种基于两个参数随机变换的混沌系统的伪随机序列发生器,生成一个随机性好,长周期的密钥序列并给出了统计特性分析的严格的理论证明。用此序列进行图像加解密实验,结果分析表明提出的算法能够得到令人满意的加密效果。     

应用计算机仿真研究混沌及混沌同步

在混沌应用研究领域,计算机仿真方法是继数值分析法、Lyapunov指数分析法和真实实验法之后的另一个非常有效而实用的混沌研究方法。本文通过计算机仿真再现了Chua电路的混沌信号输出;实现了对两个Chua电路主动－被动混沌同步。仿真实验表明：（i)在研究电子学信号混沌系统的混沌同步问题时,仿真实验与真实实验有较好的对等性;;（ii）在仿真实验过程中,仿真方法对影响系统同步的因素（如噪声和系统参数变化等因素）能进行有较控制,较之真实实验,对系统的稳定性和鲁棒性问题能进行更准确的量化分析。     

基于抗退化混沌系统的动态S盒设计与分析

S盒是分组密码算法中的关键部件之一,其混淆和置乱作用决定着整个密码算法的安全强度。为使基于混沌系统生成的S盒具有更好的密码学性能,提出了一种基于抗退化混沌系统的动态S盒设计方案。首先,使用Lorenz混沌映射扰动Chebyshev混沌映射;然后,使用截取位数法和划分区间法生成两种初始S盒;最后,使用索引排序扰乱法得到最终S盒。所提抗退化混沌系统生成的混沌序列不存在短周期现象,具有遍历性、不可预测性等特点;运用于S盒的设计中能极大提升S盒的安全性能,消除混沌生成源的安全隐患;并且,通过对系统参数的调控可批量地生成动态S盒。对S盒的安全性能,即非线性度、差分均匀性、严格雪崩准则、输出比特间独立性和双射特性进行了测试和对比,实验结果表明,所提方案生成的S盒具有更好的密码学性能,可用于分组密码算法的设计中。     

离散神经网络中的变复制脉冲方法控制混沌研究

本文研究一类离散神经网络中的混沌及控制混沌问题,对一类神经元对中的混沌给出春吸收域划分的规律,研究了周期比例脉冲方法（ＧＭ方法）控制混沌的离散神经网络中的应用,提出了一种改进的控制方法,即变辐值脉冲方法,数值实验证明,此ＧＭ方法有明显的优点。     

离散超混沌Dead-Beat同步加密方法的研究

该文将离散混沌系统Dead-Beat同步方法应用于超混沌广义Henon映射,提出一种离散超混沌同步加密方案。该方案应用超混沌信号以增强载波信号的随机性,并利用了广义Henon映射Dead-Beat同步加密的复杂性。尤其是发送、接收两部分同步的系统在硬件实现的情况下可以充分发挥混沌不可预测性的作用。因此,该文方案对于较高安全性加密系统的设计具有参考价值。仿真结果表明:密文加密效果好,恢复图像与原图像差别很小。