混沌系统的RBF神经网络非线性补偿控制

设计RBF神经网络非线性补偿控制器,提出了混沌系统线性状态反馈的复合控制方法,将可调系统混沌行为镇定到期望目标位置或者变成周期运动.用Lorenz方程作仿真实验,结果证明了该方法的有效性.

蔡氏混沌系统网络的混沌同步及其保密通信

利用非线性函数耦合混沌同步方法,研究蔡氏混沌系统的同步问题.依据线性系统的稳定性分析准则,证明耦合系数k=0.5时非线性函数耦合混沌系统的同步稳定性,并数值模拟检验其有效性.基于Routh-Hurwitz稳定性判据,推导出非线性耦合强度的下限,即k>0.427.将非线性函数耦合同步方法推广到完全连接网络,证明了网络同步的稳定性.在此基础上,利用混沌掩盖构造完全连接网络的保密通信系统,并通过数值仿真证明其可行性.

基于混沌时间序列的非线性动态系统神经网络建模与预测

在分析神经网络非线性建模原理的基础上,以典型的非线性差分方程为研究对象,提出了一类基于神经网络的非线性动态系统建模方法.针对传统BP算法的局限性,提出了一种非线性动态系统神经网络改善梯度估计精度的新算法.并以上证综合指数时间序列为研究对象,运用本文提出的建模方法和算法,进行了我国资本市场混沌时间序列预测研究的实例分析,得到的单步预测上证综合指数误差很小(-100～100);多步预测在最初的10步之内预测效果较为理想,而在此之后的预测值则严重偏离真实值.这与混沌时间序列特性相吻合,同时也证明了所用算法的有效性.

一种瓦斯涌出量系统预测辨识模型的研究

针对煤与瓦斯突出灾害中瓦斯涌出量的辨识预测问题,结合采煤工作面瓦斯涌出量系统的现场实际特点,提出了混沌免疫遗传优化算法(CIGOA)与Elman神经网络相结合的耦合算法(CIGOA-ENN)。利用GIGOA的全局寻优能力替代梯度下降法,以克服Elman神经网络固有的缺陷。并根据输入的数据,构造基于CIGOA和ENN耦合算法的瓦斯涌出量系统辨识预测模型。利用矿区采集的现场监测数据进行仿真预测,实验表明该预测模型与BPNN,GA-ENN等神经网络预测模型相比,其收敛速度更快、收敛精度更高、鲁棒性更强,为解决煤矿瓦斯涌出量的预测问题提供了一个行之有效的方法。

不确定多时滞系统动态自适应神经网络控制

针对一类具有不确定多时滞的非线性系统,提出一种由时滞补偿器和动态结构自适应神经网络所构成的控制器。通过设计时滞补偿器中的参数自适应调节规律来消除多时滞对控制输入的影响,再引入动态自适应神经网络,利用其隐层神经元个数可以随着逼近误差的增大而在线增加的特点,获得满意的逼近精度,提高控制性能。最后,对时滞混沌系统进行仿真,表明该方法的有效性。

非线性耦合分数阶Chen混沌系统和网络的同步

利用非线性函数耦合混沌同步方法,讨论分数阶Chen混沌系统的同步问题,分析初始值和耦合系数的选择对于实现混沌同步的影响。并将该方法推广,实现规则网络的混沌同步。通过数值模拟实验,验证所提出方法的有效性。

基于RBF神经网络的Duffing混沌系统控制

采用基于RBF神经网络的控制方法对Duffing混沌系统进行控制,运用RBF神经网络对受控的Duffing系统动力学方程中的非线性项进行自适应逼近,在保证受控系统在原点处的平衡态是一致渐进稳定的前提下,设计了相应的控制律及自适应控制律,使系统的状态变量在很短时间内稳定地收敛于目标值,仿真结果证明了该方法的有效性。

具有饱和非线性输入的一类混沌系统自适应神经网络控制

针对一类具有饱和非线性输入的混沌系统,基于RBF神经网络的逼近能力提出一种控制方案。该方法利用自适应控制和鲁棒控制,使系统可在模型函数和外扰未知下,设计出结构简单有效的控制器,有效消除了现实中由于饱和非线性输入的存在而引起的控制器抖动的不良控制效果。仿真结果表明了所提控制方法的可行性。

基于D-FNN的混沌铁磁谐振系统非线性补偿控制方法

针对电网混沌铁磁谐振系统产生的混沌现象,提出基于动态模糊神经网络的混沌铁磁谐振系统非线性补偿控制方法。该方法采用动态模糊神经网络来逼近系统的非线性部分,消除了过电压的混沌现象,将系统稳定到目标位置,实现了对系统的非线性补偿控制。Matlab仿真结果表明,基于动态模糊神经网络的非线性补偿控制方法控制结果正确,响应快速。

用RBF神经网络补偿器控制混沌系统

提出了基于径向基函数 (RBFNs)控制混沌系统的方法 ,用RBFN网络补偿混沌系统的非线性部分 ,使被控系统变成近似线性系统 .设计线性状态控制器使系统状态达到期望位置 .用Duffing方程进行仿真实验 ,结果证明了该方法的有效性 .

具有负阻微分特性的NDR-MOS电路模型及应用

该文介绍了基于MOS管构成具有负阻微分特性的网络,仿真了网络中各种参数改变对特性曲线的影响,负阻微分MOS网络可以模拟共振隧穿二极管的I-V特性。根据实际的InGaAs/AlAs/InP异质结共振隧穿二极管测试结果,通过设置合理的参数和偏置,给出了适用于蔡氏电路的非线性特性曲线,对今后设计基于共振隧穿二极管的混沌系统以及硬件电路的构建提供了理论基础。将共振隧穿二极管应用于混沌系统的设计中,相比于传统的基于运放构成的非线性网络,具有结构简单、功耗低、工作频率高等特点。

非线性混沌网络系统的分散性能量子优化算法

针对量子优化算法应用时,优化控制方法的差异会造成优化算法收敛时间过长的问题,提出非线性混沌网络系统的分散性能量子优化算法。采用分段Logistic混沌映射方法,获取量子初始化位置。依托于适应度划分量子种群,分别针对顶层和底层种群建立相应进化模式。利用多个非线性连续时间子系统,设计非线性混沌优化控制方法,确定最佳控制方案。最后,引入早熟收敛判断机制得到最优解计算结果。实验结果表明,与传统方法相比,所提优化算法收敛时间明显减少。

异或门自治布尔网络及物理随机数发生器

自治布尔网络作为可调控的非线性系统,易于产生混沌信号.利用二输入异或门的非线性特性实现一种可产生高熵值混沌的18节点自治布尔网络电路.通过引入滤波系数,建立该电路的改进数学模型.通过数值仿真和电路对比实验研究滤波系数和时延参数对网络动态特性的影响.数值仿真结果与电路实验现象基本一致.当节点之间传输延迟不相等时,滤波系数对混沌的产生具有调控作用,表明引入滤波系数后的数学模型可以更客观描述电路中的物理现象.借助分岔图、李雅普诺夫指数及排序熵进一步分析自治布尔网络电路的非线性特性和随机性,表明该电路输出的混沌序列具有高带宽和高熵值的特点.将该电路用于产生高速物理随机序列,并通过了美国国家标准与技术研究院NIST SP 800-22随机性检测标准.

具有混沌机制的模糊神经网络非线性系统建模研究

针对常规的BP算法收敛速度慢及容易陷入局部极小的缺点,在该算法中引入具有混沌机制的非线性自反馈项,给出了混沌BP算法,并利用其训练和学习模糊神经网络中的权值,从而构成一种引入型模糊混沌神经网络;最后,用提出的引入型模糊混沌神经网络对非线性系统进行仿真研究,仿真结果表明,所设计的引入型模糊混沌神经具有与混沌动力学特性同样复杂的动态特性,其对非线性系统具有很好的建模能力.

基于CPSO-RBF神经网络算法的预测控制方法研究

本研究在粒子群(PSO)算法中引入混沌思想构建出混沌粒子群算法(CPSO),提出基于CPSO改进的径向基函数(RBF)神经网络模型,以解决非线性控制问题。结果表明,模型的均方根误差RMSE与平均绝对误差AAE均明显优于其他算法,可高精度的辨识非线性系统;模型对节约药剂优势明显,超调量较小且可缩短调节时间,实现成本最低的效果,反映出本研究提出的模型的样本训练效果好,在整体上考虑了水流速与进口pH值,控制了系统的输入与扰动。

基于分布式回声状态网络的混沌系统预测

在分析回声状态网络(ESN)的储备池神经元总数和储备池谱半径基础上,提出一种分布式回声状态网络(DESN)的模型.该模型融合了3个大规模的随机稀疏储备池,将其作为信息接收和处理的媒介,将低维的时间序列信息映射到高维空间进行训练,从而提高机器学习效果.在此基础上,通过研究影响每个储备池稳定性的关键参数,确定出神经元总数与谱半径的最佳组合,再通过赋予权重的方式对分布式网络的结构进行优化,从而提高了预测精度和模型的泛化能力,并以典型的Mackey-Glass时滞混沌系统和Lorenz系统为例进行实证分析.通过实验表明,与具有单一储备池的回声状态网络进行直接预测相比,基于分布式回声状态网络的非线性时间序列预测方法提高了动力系统的预测精度,同时增强模型的泛化能力,突显网络性能,克服欠拟合.

面向工程复杂劳动的非线性计量系统设计与分析

研究复杂劳动及复杂劳动过程的三要素特性 ,提出复杂劳动是大脑神经网络以非线性、并行的方式进行模糊信息处理的过程 ,是从混沌搜索已知记忆状态的过程。基于这种特性 ,引入混沌、神经网络等非线性理论 ,应用知识工程、模糊技术等 ,给出复杂劳动非线性计量的思路 ,建立了非线性计量系统 ,并以椅子类设计为例 ,给出案例分析。