Lozi混沌映射的线性反馈控制

研究了二维间断离散混沌动力系统——Lozi映射的线性状态反馈控制问题.通过理论分析和数值计算给出了一般形式下的Lozi系统的混沌运动被控制到不动点的参数范围.并对Lozi映射的1个混沌吸引子进行了有效控制,从而验证了线性反馈控制方法的有效性和实用性.

变形Lozi映射的混沌及控制

针对二维间断离散混沌动力系统-变形Lozi映射,采用分岔图、Lyapunov指数谱、吸引子和吸引盆分析了其动力学行为。基于离散线性系统稳定性理论,提出了一种追踪控制方案,使受控系统的状态收敛到给定的参考信号。数值仿真证明了该方法的有效性。

基于一维Lozi混沌映射的PFM技术研究

混沌频率调制由于其良好的宽频特性已在脉冲频率调制(PFM)技术中占有重要地位,在此通过对加入混沌调制前后的方波脉冲进行傅里叶分析,对比得出了混沌频率调制的原理,并讨论了一维Lozi混沌映射序列的分布特性。在此基础上,构建了基于脉冲频率调制的逆变器试验平台,采用一维Lozi混沌映射进行了PFM实验。对该混沌映射下的最大幅值下降、新谐波产生与消除等混沌频率调制效果进行详细对比分析,得出了影响混沌频率调制效果的若干因素,为今后进行混沌序列的选择提供了理论与实验依据。

混沌映射的粒子群优化方法

为提高粒子群优化的求解性能,在分析了粒子群优化原理的基础上,给出了两种混沌映射的映射规则.构建了基于Logistic映射的混沌粒子群优化方法以及基于Lozi s映射的混沌粒子群优化方法,并给出了两类约束条件的处理方法.采用基于Logistic映射的混沌粒子群优化方法和基于Lozi s映射的混沌粒子群优化方法以及标准粒子群优化方法分别对benchmark有约束优化实例进行求解.对各种方法获得的最优解、成功率指标、平均有效迭代数、迭代占用时间等方面作对比,结果表明:采用基于Lozi s射映的混沌粒子群优化方法具有求解精度高、优化效率高等优点.

基于混沌优化算法的PSS和直流调制的协调优化

为解决交直流系统中直流调制之间,以及直流调制和PSS之间可能存在的不稳定的相互作用,本文将混沌优化算法应用于包含多馈入直流输电系统的交/直流互联电力系统,进行各直流调制和电力系统稳定器(PSS)之间的协调控制研究。该算法将直流调制和PSS的参数调节问题被转化为基于Lozi映射的混沌优化算法的优化问题,在全局协调的控制方式下增强整个系统对交流系统机电振荡的阻尼。并以中国南方电网的网络为实例说明了该方法的有效性、鲁棒性及其优越性。

交直流系统中直流调制的协调控制

为了解决多馈入直流输电系统中各直流调制之间的不稳定的相互作用,将混沌优化算法(COA)应用于包含多馈入直流输电系统的交/直流互联电力系统,进行各直流调制之间的协调控制研究。混沌优化算法具有易实现、搜索时间短、以及避免陷入局部极小的特征,对于工程应用具有广阔的前景。直流调制的参数调节问题被转化为基于Lozi映射的混沌优化算法的优化问题,并以中国南方电网的网络为实例说明了该方法的有效性、鲁棒性及其优越性。

基于CFOA的混合核SVM参数优化

针对混合核函数支持向量机(SVM)的多参数选择问题,利用具有较强全局搜索能力的混沌果蝇优化算法(CFOA)对混合核函数SVM中的重要参数进行优化调整。引入基于Lozi’s映射的混沌算法,提高果蝇种群的多样性和搜索的遍历性,有效避免局部最优;在果蝇优化算法中使用负线性搜索距离,提高算法精度。利用UCI数据库进行测试,测试结果表明,CFOA算法能够快速有效地提取混合核SVM的最佳参数组合,分类效果更好。

基于LZM-WKPSO算法的RFID网络优化部署

针对RFID网络防碰撞优化部署问题,提出一种基于Lozi映射的带有收缩因子和惯性权重的粒子群改进算法。在存在读写器交叉覆盖和标签干扰等影响因素的复杂传播环境中,寻找读写器的最佳位置,收缩因子和惯性权重保证了算法前期搜索的快速性和后期搜索的精确性。利用Lozi映射的遍历性、随机性等特点,对粒子群算法全局最优位置进行重新映射,摆脱了传统粒子群算法后期易陷入局部极值点的缺点。使用Matlab软件模拟搭建车间环境RFID网络部署环境。仿真结果表明,在保证覆盖率最大和交叉干扰水平最小约束条件下,该算法较基本PSO算法以及基于Logistic映射的PSO算法迭代次数更少,适应度更佳,更具优越性。

混沌动态改变权值策略的粒子群优化算法

提出一种改进的粒子群优化(IPSO)算法.为增强粒子全局搜索和局部搜索能力,避免陷入局部最优,加入基于粒子间距动态改变惯性权重的策略;利用Lozi映射增加粒子的多样性,避免粒子群在优化的后期陷入局部最优解.在Ackley、Rosenbrock、Rastrigin 3个基准测试函数上测试,结果表明,IPSO算法对于高维、多极值点的复杂函数能够获得精度较高的全局极小值,其性能明显优于作为比较的其余4种粒子群优化算法;验证了IPSO算法的有效性.

改进的混沌粒子群算法对WLS-SVM性能参数的优化

加权最小二乘支持向量机(WLS-SVM)的学习性能和泛化能力取决于其正则化因子C和核函数参数σ的取值。对此,针对WLS-SVM建立C和σ的组合优化目标函数,采用基于Lozi映射的粒子群(PSO)算法来搜索最优目标函数值。迭代过程中,通过分别映射PSO个体最优位置,把产生的混沌序列中的最优解分别逆运算取代当前个体最优位置,引入混沌机制,以混沌变量的遍历性改进粒子群算法,提高全局搜索能力,避免过早陷入局部最优。将其应用于某玩具企业原料月消耗量预测,结果表明了文中所提方法的有效性。