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.     

基于结构高阶局部模态的损伤诊断研究

结构振动测试和损伤诊断中,较易得到结构的低阶模态信息,但低阶模态信息主要反映结构的整体性能,对结构局部损伤不敏感.本文主要研究框架结构高阶模态特性,并通过高阶模态来反映结构的局部特征,实现框架结构损伤诊断.研究中采用理论模态分析和实验模态分析相结合的方法.理论模态分析表明框架结构存在模态密集区且高阶模态具有局部特征.采用局部激振方法对一个钢筋混凝土框架结构模型施加激励,通过实验模态分析获取高阶局部模态信息.结果表明最大能量高阶模态可以识别框架柱的刚度变化.     

具分布参数的随机Hopfield神经网络的指数稳定

基于随机Fubini定理,将随机偏微分方程描述的Hopfield神经网络系统转化为用相应的随机常微分方程来描述.利用关于空间变量平均的Lyapunov函数与Ito^公式,通过对所构造的Lyapunov函数在Ito^微分规则下对相应系统求导的方法,获得了系统指数稳定的代数判据及其Lyapunov指数估计.实现了运用Lyapunov直接法对分布参数系统稳定性的研究.     

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.     

一类非线性离散切换系统基于观测器的指数镇定

对一类离散非线性切换系统, 考虑了基于观测器的指数镇定问题. 借助微分中值定理(DMVT), 将非线性切换系统转化为线性参数(LPV)切换系统. 当状态变量不完全可获得时, 基于多Lyapunov函数方法, 给出系统在基于观测器的输出反馈控制器下指数镇定的充分条件. 所设计的滞后切换规则能够避免产生滑动模态. 并且将结果推广到系统方程含有不确定性的情况. 最后, 仿真例子说明了设计方法的有效性.     

Chua电路的数值研究

混沌运动有许多特征量,其中Lyapunov指数描述了混沌系统对初始状态的敏感性.本文研究了蔡式混沌非线性电路系统的Lyapunov指数以及如何利用最大Lvapunov指数判定Chua系统是否处于混沌运动状态.此外,在Matlab平台上设计了一种基于时间序列计算Chua电路系统最大Lyapunov指数的模型,该模型具有易于实现、计算量小、统计性能好等特点.     

谐和与高斯白噪声联合作用下二自由度系统的随机稳定性研究

主要研究了谐和与高斯白噪声共同作用下二自由度系统的随机稳定性问题.首先,通过扩维的方式将非自治系统转化为自治系统.其次,利用摄动法和双傅里叶级数展开的方法求得了系统的矩Lyapunov指数与最大Lyapunov指数的近似解析结果,并和利用Monte Carlo仿真得到的数值结果进行了比较验证.最后,通过对系统矩Lyapunov指数和最大Lyapunov指数解析结果的研究分析,分别讨论了次谐共振和组合共振对系统随机稳定性的影响.     

一类非线性系统的Terminal滑模控制

首先结合Terminal滑模控制的基本思想,即突破以往的线性滑动面,将非线性项引入到滑动面设计中,使得系统处于滑动模态阶段时,状态变量能够在"有限时间内"收敛至平衡点,给出了适用于高阶非线性系统的Terminal滑动面设计方法,基于Lyapunov稳定性理论得出了相应的控制器.进一步考虑系统参数摄动和外界扰动等不确定性因素上界的未知性,用Lyapunov稳定性方法给出了一个带有未知性上界参数估计的自适应Terminal滑模控制器.     

基于周期动态事件触发的网络化切换系统的分析与控制

针对网络化系统研究具有模态依赖平均驻留时间(MDADT)和异步的线性切换系统的周期动态事件触发$H_\infty$控制.与已有切换系统事件触发方式不同,周期动态事件触发引入动态事件触发参数,且具有最小的事件触发间隔下界,在降低数据发送数量的同时,能够有效避免奇诺行为;利用MDADT方法和多Lyapunov函数技术,给出闭环系统具有指数稳定和$H_\infty$加权性能的充分条件;在此基础上,针对周期动态事件触发机制中可能存在的异步问题,提出相应的控制器设计准则.最后,通过算例验证所得结果的优越性.     

离散T-S 模糊系统的稳定条件

针对应用公共Lyapunov函数方法、模糊Lyapunov函数方法和分段模糊Lyapunov函数方法进行T-S模糊系统稳定性分析的保守性问题,通过定义有效最大交叠规则组,并基于离散型分段模糊Lyapunov函数,提出一个判定开环离散T-S模糊系统稳定性的充分条件.该条件仅需在每个有效最大交叠规则组内分别满足模糊Lyapunov方法中的条件,从而降低上述判定方法的保守性和难度.仿真实例验证了所提出条件的有效性和优越性.     

基于IMF复杂度和RBF网络的配气机构故障诊断

针对柴油机振动信号的非平稳特性,提出一种经验模态分解(Empirical Mode Decomposition,EMD)、复杂度和RBF(radical basis function)神经网络相结合的故障诊断方法;运用经验模态分解方法对特定时段的振动信号进行分析,计算前5个固有模式分量(Intrinsic Mode Functions,IMF)的Lempel-Ziv相对复杂度作为故障特征向量,并利用RBF神经网络可以快速逼近任意非线性函数及良好分类能力的特点,来实现对柴油机工作状态和故障类型的判别;最后,利用实际柴油机试验数据的诊断和对比试验验证了该方法的有效性。     

Directional EMD and its application to texture segmentation

Image processing has been a subject with systematic theory and extensive applica-tions including video processing, medical image processing, remote sensing image processing and the techniques attracting attention recently such as biometrics and visual surveillance, etc. Since multi-scale is one of the main features of natural images, there have been a series of methods for representing the quality of images such as multi-scale technique based on diffusion equation[1], that based on morphologica…     

基于经验模态分解的油气两相流流型状态监测

基于经验模态分解技术,采用能量评估和阈值概率统计手段,提出了一种油气两相流流型状态监测的新方法.油气两相流差压信号是一典型的非平稳多组分信号,经验模态分解首先将差压信号分解成9阶本征模函数,按照频率范围可以划分为3个子带:高频带(30～50 Hz),中频带(5～30 Hz)和低频带(0～5 Hz).在不同流型下,中频带的能量变化很显著,跟踪捕捉中频带能量变化可以监测两相流流型的跃迁.首先确定不同流型下对应的归一化能量阈值,阈值概率统计技术通过移动时间窗扫描中频带子信号的方式来监测流型状态变化.油气两相流的实验结果表明该方法是有效的,为两相流流型状态监测提供了新途径.     

GA和RBF神经网络的Hilbert.Huang变换端点问题研究

Hilbert.Huang变换(HHT)在对信号进行经验模态分解和对各内禀模态函数进行Hilbert变换时会产生端点效应,端点效应会严重影响HHT的应用质量;为克服该问题,文中采用多目标分配遗传算法(GA)解决RBF神经网络(NN)模型训练的参数选择,并利用RBF_NN对信号延拓后再进行经验模态分解;该方法可有效克服经验模态分解方法的端点效应问题,得到具有明确物理意义的内禀模态函数和Hilbert谱;通过对典型确定信号和实际信号的仿真分析表明:文中提出的算法能有效解决HHT中存在的端点效应问题,且其效果优于RBF神经网络和支持向量机(SVM)的数据序列延拓方法。     

基于Hilbert-Huang变换的语音信号分离

针对短时傅里叶变换不能正确得到非平稳信号的能量频率分布问题,提出了一种基于Hilbert-Huang变换的单信道语音信号分离的算法。该算法首先对分解得到的各内蕴模式函数分量(IMF)进行Hilbert变换,得到混合信号时频面上的Hilbert谱,然后对混合信号的Hilbert谱运用独立子空间分析的方法得出代表各个独立源信号的子空间,并对其求逆变换,从而恢复出各个源信号。通过仿真实验验证了此算法的正确性和有效性,且与短时傅里叶变换时频分析法相比较,其分离性能明显得到改善,显示了Hilbert-Huang变换在处理非平稳信号的优越性。     

多通道图像EMD及应用

针对现有的经验模态分解方法（Empirical Mode Decomposition,EMD）对多通道图像（如彩色图像）进行分解时通常忽略各通道图像之间相关性的问题,提出了一种多通道图像EMD方法。该方法采用双拉普拉斯算子插值得到图像上下包络,并建立一个整体筛分停止准则进行筛分来考虑各通道图像相关性,能够将多通道图像自适应分解为数目不多的内蕴模态函数（Intrinsic Mode Function,IMF）分量和一个余量,其中内蕴模态函数分量体现了原始图像不同尺度的特征信息,余量体现了图像的整体变化趋势。该方法可以应用在图像锐化、夜景图像增强等图像分析和处理领域。实验结果显示该方法能够取得较好的效果。     

基于EMD和SVR的混合智能预测模型及实证研究

针对非平稳、非线性时间序列变化复杂、难以用单一智能方法进行有效预测的问题,提出一种新的基于经验模式分解和支持向量回归的混合智能预测模型。经验模式分解能将非平稳时间序列按其内在的时间特征尺度自适应地分解为多个基本模式分量,根据这些分量各自趋势变化的剧烈程度选择不同的核函数进行支持向量回归预测,对各预测分量进行加权组合,得到原始序列的准确预测值。实证研究表明对于非平稳、非线性时间序列的预测,不论是单步预测还是多步预测,该模型均能取得很好的预测效果。     

一种新的自适应降噪方法及其应用研究

针对非线性、非平稳信号的降噪问题,提出一种基于经验模式分解和过零检测的自适应降噪方法。经验模式分解可以把信号自适应分解成多个基本模式分量和一个余项的和,此过程等效于用一组带通滤波器对信号进行滤波。以过零率作为噪声评判准则,对经验模式分解结果进行重构,可实现信号的自适应降噪。应用实例表明该方法的有效性和广泛的应用潜力。     

强噪声环境下基于改进HHT的语音端点检测

为提高语音端点检测系统在低信噪比环境下检测的正确率,提出一种强噪声环境下基于改进的希尔伯特-黄变换语音端点检测方法。对每帧信号进行经验模态分解,得到有限个固有模态函数,去掉第一个固有模态函数,其他的都让其通过一个带宽为250～3500Hz的带通滤波器,消除部分噪声。对所选固有模态函数加权,再进行希尔伯特变换得到能量特征值。通过分析噪声特性,估计噪声阈值。在希尔伯特能量谱上,根据阈值搜索语音起点以及终点。仿真实验表明,在低信噪比的情况下,方法的准确率有明显的提高,并具有很强的鲁棒性。     

基于EMD与神经网络的油膜高光谱数据特征提取

针对油膜和本底海水的光谱特征,提出了一种基于经验模态分解的高光谱数据特征提取方法,并通过BP神经网络构建分类器对油膜和本底海水进行分类识别。该方法首先利用经验模态分解把原始信号在425~2 390 nm谱段范围内分解为若干个固有模态函数(IMF\|Intrinsic Mode Function),然后计算出每一个IMF的能量,选取若干个包含主要特征信息的IMF分量的能量特征参数作为BP神经网络的输入参数来识别海洋表面油膜信息。研究结果表明,该方法能准确、有效地识别出海洋表面微薄的油膜信息。