LC振荡型忆阻混沌电路及时滞反馈控制

将磁控忆阻器耦合于LC振荡电路中,得到了一种新的忆阻混沌电路.随后通过理论上的动力学分析、数值仿真、电路实验等验证了该电路的混沌特性.为了实现电路的混沌控制,设计了一种新型模拟时滞控制器.利用该控制器将混沌电路状态变量加以延时并反馈至原电路中.数值仿真和电路实验结果均表明,所设计的时滞控制器可实现混沌电路的镇定控制.进一步研究时滞控制下电路的分岔行为,发现时滞控制下的电路又可通过倍周期分岔进入超混沌.     

基于混沌时间序列理论的发动机状态参数降噪研究

针对因缺乏未染噪数据而难以考查航空发动机状态参数降噪效果的问题,提出了基于混沌时间序列理论来考查其降噪效果的办法,并结合实例考查了小波、奇异谱分析和局部投影3种降噪方法对航空发动机状态参数的降噪效果.仿真结果表明,局部投影法更多地保留了发动机状态参数的混沌特性,适用于航空发动机状态参数的降噪处理.     

一种EKF-WLS-SVR与混沌时间序列分析的瓦斯动态预测新方法

针对瓦斯浓度时间序列高度的混沌特性,采用微熵率法同步确定最优的嵌入维数与延迟时间,还原瓦斯涌出系统状态空间。以无线传感网络系统采集并经降噪处理后的瓦斯浓度序列作为样本。提出利用带有整定因子的扩展卡尔曼滤波器( EKF)对加权最小二乘支持向量回归机( WLS-SVR)的正则化参数γ与核参数σ进行快速寻优,并依据周期性更新的训练样本建立基于EKF-WLS-SVR耦合算法的动态预测模型以精确预测后续时间点的瓦斯浓度。通过MATLAB进行仿真,结果表明：EKF滤波器对提高WLS-SVR的拟合精度与学习效率方面有很大的帮助。相比于其他模型,该耦合模型具备更高的预测精度与更强的鲁棒特性,有较高的实用价值。     

一种基于混沌的数字图像加密算法

提出了一种基于Logisitic映射的混沌图像加密算法,为了提高算法的安全性,采用循环移位进一步扰乱图像像素值,得到最终的加密图像。实验证明该算法具有易于实现,计算速度快、密钥空间大、可以抵抗唯密文攻击等优点。     

一种改进的混沌跳频序列的设计方法

现有混沌跳频序列在混沌迭代次数、通信保密性和安全性等方面存在着不足.为解决上述问题,本文通过给出优化的Logistic映射函数,采用了一种改进的利用伪随机序列控制比特抽取来生成混沌跳频序列的方法.该方法各项跳频性能指标与已有研究成果相当,但其混沌迭代次数减少,序列安全性增强.     

Intelligent adaptive control for MIMO uncertain nonlinear systems

This paper investigates an intelligent adaptive control system for multiple-input–multiple-output (MIMO) uncertain nonlinear systems. This control system is comprised of a recurrent-cerebellar-model-articulation-controller (RCMAC) and an auxiliary compensation controller. RCMAC is utilized to approximate a perfect controller, and the parameters of RCMAC are on-line tuned by the derived adaptive laws based on a Lyapunov function. The auxiliary compensation controller is designed to suppress the influence of residual approximation error between the perfect controller and RCMAC. Finally, two MIMO uncertain nonlinear systems, a mass–spring–damper mechanical system and a Chua’s chaotic circuit, are performed to verify the effectiveness of the proposed control scheme. The simulation results confirm that the proposed intelligent adaptive control system can achieve favorable tracking performance with desired robustness.     

暂态混沌神经网络在蛋白质关联图预测中应用研究

蛋白质结构预测是生物信息学的一个主要研究方向,而蛋白质关联图预测是其中的一个重要内容.针对蛋白质关联图预测问题,提出一种暂态混沌神经网络实现方法,所提出的方法具有暂态混沌特性和平稳收敛特性,能有效避免传统Hopfield 神经网络极易陷入局部极值的缺陷.它通过短暂的倒分叉过程,能很快进入稳定收敛状态.仿真结果表明:暂态混沌神经网络解决蛋白质关联图预测问题时,总能收敛到全局最优或几乎接近全局最优,同时具有更高的搜索效率.这种方法预测精度达到0.27,比随机预测器高9倍.     

基于混沌序列的自适应粒子群优化算法

提出一种改进粒子群局部搜索能力的自适应优化算法。通过大量仿真试验,考察粒子平均速度和收敛性之间的关系,给出一种新的自适应调整权重策略。以粒子平均速度作为反馈信息,动态调整权重因子,控制粒子速度并使其沿理想速度曲线下降。在搜索过程中引入混沌序列以改进算法的局部搜索能力。对经典函数的测试结果表明,改进的混合算法通过微粒自适应更新机制确保了全局搜索性能和局部搜索性能的动态平衡,在稳定性和精度上均优于普通PSO算法。     

基于混沌粒子群算法和Hopfield网络求解TSP问题

针对Hopfield网络求解TSP问题经常出现局部最优解,该文将混沌粒子群算法(PSO)与之结合,提出一种基于混沌粒子群的Hopfield神经网络方法。通过实验将其与文献[5,8]以及"PSO+HNN"策略比较,验证了该文算法不仅能够以更大概率收敛到全局最优,而且耗时更少。     

一种伪随机性较好的二值混沌序列生成算法

利用Logistic混沌系统生成混沌序列,给出一种二值序列的生成方法,然后对其性能进行了分析,并和其他方法进行了比较。实验表明这种方法生成的二值序列具有很好的伪随机性以及相关性。把这种方法产生的二值序列用在图像加密中,得到了较好的结果。