用脉冲控制法抑制自治细胞神经网络中的混沌

利用脉冲控制法对含两个神经元的非自治细胞神经网络（ＣＮＮ’ｓ）出现的混沌现象进行控制,给出了保证脉冲控制的系统存在周期解的条件,并通过数值真实验证实了用很小的外部激励就能控制信混沌。通过观察受控轨道的时间波形,发现利用受控非自治ＣＮＮ’ｓ模型可成功地对生理学中电响应活动信号建模,这一发现为研究人脑或动物大脑中混沌的功能作用是供了非常有用的工具。     

一类非自治混沌系统的自适应脉冲同步

研究了一类具有未知Lipschitz常数的非自治混沌系统的自适应脉冲同步问题.首先基于Lyapunov稳定性理论、自适应控制理论及脉冲控制理论设计了自适应控制器、脉冲控制器及参数自适应律,然后利用推广的Barbalat引理,理论证明响应系统与驱动系统全局渐近同步,并给出了相应的充分条件.两个数值仿真例子表明本方法的有效性.     

具有信道时延的混沌神经网络脉冲同步

由于控制脉冲只是在特定的时间序列产生,使得同步系统中所需的驱动系统信息和能量减少,从而给混沌系统同步设计带来巨大方便。但是,由于实际电路中器件的切换速度有限且内在通讯需要时间。在通信网络中将不可避免地产生时延。因此,现有的一些同步方法将无法实现。针对这种情况,提出了一种基于脉冲控制的混沌神经网络同步策略。在该策略中考虑了信道时延带来的影响,并设计了控制器实现两个混沌神经网络的同步。计算机仿真结果验证了该方法的可行性和有效性。     

基于脉冲耦合神经网络的混沌控制

根据脉冲耦合神经网络(PCNN)能产生混沌现象,研究了对配置混沌PCNN系统的李雅普诺夫指数使其稳定于期望点的方法。根据特定期望点的情况,按需要配置负的李雅普诺夫指数,产生不同的控制序列来改变混沌PCNN系统,达到稳定控制的要求。仿真和实验结果证明了该算法的有效性,实现了混沌PCNN系统从混沌状态到稳定期望点的控制。     

一类离散混沌系统的脉冲时滞反馈控制

为了镇定一类离散混沌系统的不稳定周期轨道,提出脉冲时滞反馈控制方法.系统地研究了脉冲时滞反馈控制方法在一类离散小世界网络模型中的应用问题.数值仿真结果表明,小世界网络模型中的倍周期分岔及其导致的混沌可以被延后,镶嵌在混沌吸引子内部的不稳定周期轨道可以被镇定.与已有相关控制方法相比,所提出的脉冲时滞反馈控制方法具有适用范围广泛、实现过程简单方便且灵活等优势.     

离散神经网络中的变复制脉冲方法控制混沌研究

本文研究一类离散神经网络中的混沌及控制混沌问题,对一类神经元对中的混沌给出春吸收域划分的规律,研究了周期比例脉冲方法（ＧＭ方法）控制混沌的离散神经网络中的应用,提出了一种改进的控制方法,即变辐值脉冲方法,数值实验证明,此ＧＭ方法有明显的优点。     

用等距脉冲反馈方法实现超混沌的控制

采用等距脉冲反馈方法实现对非线性系统中的超混沌行为的控制,分析了该方法实现混沌控制的基本原理,运用脉冲扰动系统的稳定性理论,得到使系统镇定于原点的控制参数的选取范围。理论分析与数值仿真均表明,该方法能实现对非线性系统中超混沌行为的有效控制。     

一个非自治电路混沌特性的计算机分析与研究

该文首先分析了Logistic映射的一些典型的混沌特性,然后运用与其相类比的分析研究方法,诸如时间序列分析方法、相图分析方法和分岔图分析方法,对一个非自治电路进行了计算机分析与研究。通过对描述该非自治电路的非线性微分方程进行求解和计算机分析,可以看到,当输入电压的幅值改变时,该电路系统的动力学特性对输入电压幅值有很强的敏感性。在对该非自治电路的分岔图进行了详细的计算机分析后,指出了该非自治电路从倍周期通向混沌的分岔点。以此,说明了该非自治电路是典型的具有混沌特性的非线性电路。     

基于T-S模糊模型的混沌系统脉冲控制

给出了一种基于T-S模糊模型的混沌系统模糊脉冲控制方法.首先给出了基于T-S模糊模型对非线性系统精确建模的原理,得到与混沌系统等价的T-S模糊系统.然后根据建模得到的T-S模糊系统,采用模糊脉冲控制技术来实现控制.最后,以控制Ndolschi混沌系统为例,证明了这种方法的有效性.     

脉冲微分混沌系统动力学数值模拟与分析

由于脉冲微分混沌系统具有复杂的性态,在理论分析时具有一定的难度,而数值分析在一定程度上可以提供一些指导,所以数值模拟方法成为脉冲微分混沌系统研究的重要手段.该文设计了脉冲微分混沌系统的动力学分析算法,并将数值解以可视化的形式展现,绘制出方程组解的相图、分岔图、Poincaré截面.以具有Holling type-II功...     

耦合系统中时空混沌的神经网络控制方法

以耦合映象链模型为例,利用神经网络的学习能力,提出了一种控制耦合系统的时空混沌行为的方法,并对控制方法的有效性作了理论分析和仿真研究。     

基于神经网络的解耦控制新方法及其应用

本提出两种基于神经网络的多变量解耦控制方法。方法１通过设计神经网络补偿装置，使得包括补偿神经网络在内的广义对象的Ｂｒｉｓｔｏｌ第一系数矩阵为对角阵；方法２首先定义了神经网络的串联，并联和反馈运算，然后在此基础上设计一个神经网络补偿装置，使得包括补偿神经网络在内的广义对象矩阵为对角阵。将其用于某二元精馏塔的塔顶和塔底组分控制，仿真结果证实了本方法的有效性。     

前馈神经网络的混沌学习方法研究

采用混沌优化策略，提出一种前馈神经网络权参数的最优学习方案．由于BP算法优化神经网络权参数时存在收敛速度慢、自身参数选取困难、易陷入局部极小等缺陷．采用混沌变量优化神经网络权参数，具有全局性、快速性、并行性的特点．仿真实验表明采用该方案对强非线性问题的逼近具有精度较高、学习较快的优点．     

基于混沌变量优化的神经网络PID控制

对神经网络模型辨识器的输入量Y（k）,u（k）进行归一化处理,一种规范化PID控制方法作为控制器。采用Logistic映射构造多个不同的混沌变量,应用到神经网络PID参数域中,根据控制系统性能指标进行混沌寻优,获得近似最优解后,再通过时变因子Z（t）在近似最优解的附近继续混沌局部寻优。仿真实验表明该方案是有效的。     

Impulsive Control for a Class of Cellular Neural Networks with Proportional Delay

This paper is concerned with a class of cellular neural networks with proportional delay and impulses. First, by employing the improved Razumikhin technique and Lyapunov functions, some delay-dependent criteria are established to guarantee asymptotic stability and global stability of a class of general impulsive differential equations with proportional delay. Second, applying the obtained criteria, we get some delay-dependent sufficient conditions ensuring the existence, uniqueness and globally asymptotic stability of the equilibrium point of the cellular neural networks with proportional delay and impulses presented in this paper. Finally, three examples are presented to illustrate the effectiveness and advantages of the results obtained.     

基于混沌优化的多模型容错控制方法

为了提高主动容错控制中故障诊断和容错控制律重组重构的快速性和可靠性,在建立了非线性受控对象正常或故障状态的神经网络模型的基础上,采用带有混沌动态量的自适应BP改进算法整定出系统各种运行模式下的控制律,由此建立了模型库;进而以一种隐形的故障诊断机制,通过对系统性能容忍度和模型失配度的在线计算判断系统的工作状态,并从动态模型库中调用与之匹配的控制律,从而达到容错效果.仿真结果表明,混沌机制的引入为提高系统发生故障时在线进行控制律重组重构的实时性和可靠性提供了一条有效途径.     

一类金融市场模型的混沌控制

针对一类非线性金融市场模型,研究了其Hope分岔条件,在此基础上对系统的混沌行为进行了控制。首先利用谐波平衡法和分岔理论获得了系统Hope分岔的充分条件,然后采用周期激励法和恒定外激励法,将系统的混沌行为有效控制到稳定的周期轨道,并与金融市场相结合,说明混沌的产生与金融危机之间的关系,并由此得出为了防止金融危机的爆发,应该采取的相应的措施,并给出了相应的仿真。