基于混沌模拟退火算法的BPNN模型的随机混沌系统辨识

文章针对随机混沌系统辨识引入贝叶斯正则化方法的BPNN模型,使神经网络具有自适应性和推广能力;并交替使用贝叶斯正则化算法和混沌退火算法对网络参数进行优化,使系统具有最佳参数．以Logistic系统为例进行仿真分析,结果表明辨识模型不仅能够拟合原混沌系统,而且训练后的网络对含噪声的随机混沌系统有很好的辨识能力,精度良好．为下一步的设计控制器对混沌系统进行控制消除混沌,奠定了良好的基础．

随机扰动下Lorenz混沌系统的自适应同步与参数识别

本论文研究了具有随机扰动和未知参数的Lorenz混沌系统,其中随机扰动是一维标准Wiener随机过程.基于随机李雅普洛夫稳定性理论、It(伊藤)公式以及自适应控制方法,本文分别通过设置三个和两个控制器,从理论上提出了两个均方渐近自适应同步标准,这些标准简单易行,不仅能使得随机扰动下的驱动系统和响应系统达到均方渐近同步,而且能同时识别出系统中的未知参数.最后的Matlab数值模拟验证了提出的理论结果的正确性和有效性.