基于多核对称最小二乘支持向量机的永磁同步电机混沌建模

针对永磁同步电机在一定情况下呈现混沌特性且混沌模型难以精确获得的情况,提出了一种基于多核对称最小二乘支持向量机的回归建模方法.在最小二乘支持向量机模型中增加对称性的约束条件,构成对称最小二乘支持向量机.将多核学习的方法与对称最小二乘支持向量机相结合,构造由多个基本核函数线性组合而成的新的等价核,用于建立永磁同步电机的混沌回归模型.仿真结果表明,与一般最小二乘支持向量机相比,该方法能够降低单个核函数的选择对建模精度的影响,提高混沌建模精度.

永磁同步电机的模糊混沌神经网络建模

采用模糊混沌神经网络建立了具有混沌特性的永磁同步电机(PMSM)模型。永磁同步电机在一定工作情况下呈现混沌运动,根据PMSM的数学模型得出其混沌特性曲线。将混沌神经网络与模糊理论相结合设计出协作型模糊混沌神经网络,并据此网络建立了永磁同步电机的模糊混沌神经网络结构模型,该模型在结构上为神经网络,具有混沌特性,在功能上是模糊系统；确定了模型的输出函数,并推导了模型的学习算法,仿真结果表明永磁同步电机的模糊混沌神经网络模型与原系统是等价的。

大型油轮艏摇混沌现象的仿真与滑模控制

为了合理解释并控制大型油轮操纵过程中出现的船首异常摆动现象,采用驾驶员模型替代原有的比例模型,结合非线性响应型数学模型,建立了驾驶员操纵大型油轮的闭环系统数学方程,发现其与Duffing方程形似,且在一定的参数配置下系统的Lyapunov指数为正,说明可以用混沌理论解释船首异常摆动的现象.为实现航向保持的稳定控制并增强对参数不确定的鲁棒性,基于反步法提出了与模型对应的滑模控制率.仿真结果表明,当混沌艏摇处于理论最大值时,受控系统的稳态舵角仍小于5°,航向偏差小于0.07°,所设计的控制器很好地消除了混沌现象.建立人在回路中的混沌系统的思路较为新颖,借助滑模解决反步法参数不确定的方法简单而有效.

一种基于相空间高斯混合模型的测井相识别方法

油层测井相识别是油田开发的重要依据.油层的测井相类别如果发生误判,将会影响它和邻井对应油层之间的连通对比关系的判断,造成开采方案的失败.测井相的类间差异小,领域知识要求高,属于难度较大的模式识别问题.在研究了混沌建模的基本方法后,给出了一种基于相空间高斯混合模型的测井相识别方法.对每类训练样本形成一个重构相空间,用EM算法学习得到一个高斯混合模型,待识序列按其属于不同类别的高斯混合模型的条件概率进行分类.该方法可以对不规则样本的形态参数进行估计,从而提高测井相的识别精度.实验结果证明了该方法的有效性.

混沌背景下基于神经网络的编码信号检测新方法

提出了一种混沌背景下的编码信号检测新方法。信号检测过程包含两个步骤:混沌信号的预测和检测判决。该方法利用非线性前馈神经网络进行混沌信号模型的创建,并采用13位巴克码作为编码信号。仿真结果表明,通过该方法进行编码信号检测可以得到较高的检测概率和较低的虚警概率,整体检测性能较高,并且对于不同信噪比的信号具有较强的鲁棒性。