深海机器人推进电机系统的混沌控制

深海机器人推进电机系统中出现的混沌现象，直接影响深海机器人稳定性、可靠性和安全性.采用自适应控制技术对其混沌行为加以控制，对该方法的可行性和有效性进行了证明.设计和构造了易于工程实施的混沌控制器，用于深海机器人推进电机系统混沌控制.仿真实验表明，推进电机系统在自适应控制器的作用下可迅速脱离混沌状态，并进入持续稳定状态，控制效果明显.可以为深海机器人推进电机系统中可能出现的混沌运行行为提供控制策略和抑制预案，有利于混沌控制嵌入软件的开发，确保深海机器人稳定、可靠和安全地运行，具有一定的实用价值.     

深海机器人无刷推进电机混沌现象的数字仿真

给出了深海机器人无刷推进电机混沌模型，利用计算机数字仿真方法分析推进电机的混沌运行现象.对于几种典型运行工况，就推进电机系统的响应特性进行了数字仿真计算，并观察到发生混沌运动时的蝴蝶效应和对初始值的敏感性，从而证实了深海机器人用无刷推进电机系统中混沌现象的存在性.     

基于BP神经网络的汽油机进气流量预测研究

为提高汽油机空燃比控制系统的实时性及进气流量计量的精确度,提出了一种汽油机进气流量混沌时序BP神经网络预测模型.利用相空间重构技术对进气流量时间序列进行重构,恢复系统原有的混沌性,再利用BP网络对重构后的数据进行训练及预测,达到提高进气流量预测精确度的目的,进而提高汽油机空燃比控制系统的实时性及精确度.试验仿真结果表明,混沌时序BP神经网络预测模型具有更高的预测精度,为精确及时地预测汽油机进气流量提供了一种全新的方法.     

昆明年降雨量时间序列的混沌分析

降雨对水文水资源系统的预报预测是极其重要的.应用重构相空间技术和混沌理论对昆明1951-2010年降雨时间序列的特性进行了分析,通过研究嵌入相空间维数和关联维数之间的变化关系得到了饱和关联维.结果表明,昆明年降水系统中的混沌现象是存在的.这一研究结果为利用混沌理论建立预测模型提供了较为科学的依据.     

基于μC/OS-Ⅱ的机器人电机混沌现象实时检测

针对深海机器人推进电机工作中存在的混沌现象以及危害,详细阐述了在基于μCOS-Ⅱ实时操作系统、DSP为底层硬件的嵌入式控制系统中实现对其混沌现象实时检测的设计过程.利用Takens定理进行重构、Wolf计算其Lyapunov指数的方法编写混沌检测程序,并嵌入到操作系统时钟内部实现对混沌现象的周期检测.在操作系统的时钟中断中运行该程序,实现了对混沌现象的实时检测,同时对于具有30MIPS指令执行速度的2407A处理器来说,并不会增加系统的额外开销.     

基于混沌时间序列的Elman神经网络工业用电预测

针对电力负荷数据在多重因素相互影响下呈现非线性特性甚至是混沌性的问题,采用基于相空间重构的Elman神经网络方法进行全社会工业月用电量预测.利用小数据量法计算最大Lyapunov指数,判别负荷时间序列的混沌性,进而确定最优延迟时间及最佳嵌入维数进行相空间重构,以此确定Elman神经网络的拓扑结构,并将实测数据带入模型进行训练.通过对实测数据进行预测仿真,表明该模型达到了较好的预测效果,验证了提出的时间序列相空间重构与Elman神经网络结合的正确性与有效性.     

旋转机械振动序列预测

分析了旋转机械振动系统的非线性现象,从混沌理论出发,给出振动序列预测的思想方法。研究了神经网络用于非线性预测的理论基础,并利用其进行相空间重构。建立了旋转机械振动预测的非线性模型,并在模拟转子实验台上进行了实际验证,取得了满意的效果。提出了一种实用的确定嵌入维数的方法。     

基于自适应永磁电机的混沌反控制研究

基于混沌非线性控制理论,建立了永磁调速器物理模型和二阶自治数学模型。使用C-C方法重构相空间,准确地求得相空间嵌入维、延时时间,给出了永磁电机混沌系统最大Lyapunov指数的计算方法。提出了采用混沌自适应法控制永磁电机系统的思想,以Duffing系统为跟踪对象,设计了自适应控制器系统。通过SIMULINK建模仿真发现,永磁电机动力学方程稳态下和参数变化时,系统最大Lyapunov指数分别为0.655和0.814。参数变化时,混沌吸引子迅速进入稳定状态,具有良好抗扰性,该研究方法可为永磁电机控制系统设计提供理论依据。     

老采空区地表沉陷混沌特征及时变规律研究

基于老采空区上方地表实际监测沉降数据,提出了利用混沌理论相空间重构及预测技术研究老采空区地表沉陷特征及时变规律的新思路.研究了沉陷系统的相空间重构、关联维数的确定、Lyapunov指数的计算和预测模型的构建及应用等问题.采用最大Lyapunov指数法及混沌最小二乘支持向量机法对老采空区地表沉陷量进行了建模和预测.结果表明:该沉陷系统是一个混沌系统,沉陷影响因素有3～6个,变形理论最大预测期数为18期.构建的混沌预测模型预测结果相对误差均控制在10%以内,预测精度良好,可为老采空区废弃土地再利用决策提供支持.     

相空间重构神经网络模型在我国人口增长预测中的应用

人口系统是一个非常复杂的非线性系统,人口增长是十分重要的人口变化因子,对人口增长的准确预测能为社会经济可持续发展计划的制定提供重要依据.借鉴相空间重构和神经网络,建立了预测我国人口增长的相空间重构神经网络模型.模型运用相空间重构,可挖掘人口增长时间序列更为丰富的信息,利用神经网络建模可较好地解决非线性问题,使预测更符合实际.以我国1950—2002年人口增长数据为例,验证了该模型具有较高的拟和和预报精度,为我国人口增长预测问题提供一种新的解决办法.