混沌吸引子的重构

研究了一种通过实验数据来确定混沌吸引子结构的新方法－－相空间重构法,即根据混沌系统中某一状态量的一维时间序列,用时延技术进行吸引子重构。通过在一个三阶自治混沌电路中用该方法的分析,验证了相空间重构法的可行笥及正确性。     

舰船噪声信号的混沌特性研究

以Takens定理为基础，研究了延迟坐标法用于舰船噪声信号的重构。采用FNN（false nearest neighbors)法得到了三类目标舰船噪声信号的最小嵌入维数。通过相空间重构，得到了它们的奇怪吸引子。为利用舰船噪声信号的混沌特性进行目标分类与识别奠定了基础。     

混沌神经网络综合法在边坡位移预测中的应用

根据混沌理论具有分析非线性动态系统的混沌特性和人工神经网络具有考虑多因素影响的特点,本文提出了混沌神经网络综合预测模型.该方法首先利用非线性科学和理论分析滑坡位移时间序列的动态特性,然后将重构相空间计算的最小嵌入维数作为输入神经元的数目引入到人工神经网络预测模型中.分析算例预测结果表明,混沌神经网络综合预测模型计算精度较高.     

交通冲突量的混沌预测

首先从混沌相空间重构着手简单介绍了混沌理论的基础,然后研究了混沌预测方法及其应用在交通冲突量预测中的原理和过程,最后利用混沌预测方法对具体的交叉口交通冲突量的预测实例进行了研究,并通过灰色误差检验方法对预测方法和结果进行了评价,表明交通冲突量混沌预测方法是交通冲突量预测的有效方法。     

气-液-固三相并流体系的混沌识别

通过重构相空间、等混沌分析方法对气－液－固三相并流向上流动系统的压力波动信号进行了定性和定量研究,研究表明：此类系统具有非线性混沌现象;计算结果显示,系统普遍存在２－３个分维,其中低频大尺度波动对应的分维反映全局动力学行为,其余两个反映局部性质。     

电离层电波信号衰减的混沌时间序列预测

电波信号穿过电离层传播时,由于电离层的作用将使得电波信号产生一系列的失真.分析了传统混沌时间序列预测的理论和方法,并分析了电波信号穿过电离层的时间序列特征,发现该时间序列具有混沌时间特征,进而在传统的混沌时间序列预测的基础上,给出了一种更适合于电离层电波衰减时间序列预测的方法.同时,利用它预测了一组电波信号穿过电离层的时间序列特征,并分析了其预测精度.结果表明,利用修正的混沌时间序列预测方法预测的电波信号穿过电离层衰减的时间序列,其短期的预测效果很好.     

金桥煤矿井筒变形实时测量与井筒破坏突变模型

针对金桥煤矿副井涌沙引发井筒变形的实际问题,研究了采用GPS技术实时监测井筒动态非线性变形方法;运用了突变理论,建立了井筒破坏的突变模型;给出了井筒变形的控制变量与状态变量表达式;对有效地治理损害的井筒具有重大指导作用．     

金桥煤矿井筒变形实时测量与井筒破坏突变模型

针对金桥煤矿副井涌沙引发井筒变形的实际问题 ,研究了采用GPS技术实时监测井筒动态非线性变形方法 ;运用了突变理论 ,建立了井筒破坏的突变模型 ;给出了井筒变形的控制变量与状态变量表达式 ;对有效地治理损害的井筒具有重大指导作用 .     

基于负荷混沌特性的改进Lyapunov指数预测法

针对目前常用负荷预测方法多依赖主观经验,为了提高预测精度,从相空间重构理论出发。结合负荷序列的混沌特性,提出了一种计算最大Lyapunov指数的改进算法。改进算法中引入一种取舍规则,提高了最大Lyapunov指数提取精度。利用改进算法建立实际电力月负荷预测模型,实际应用结果表明该模型具有一定实用价值。     

基于混沌神经网络的旋转机械状态趋势预测

旋转机械的特征信号常具有非线性和非平稳性,传统的平稳信号分析方法对这类信号不适用,将混沌理论引入旋转机械的故障预测领域,详述了混沌预测方法和混沌神经网络的预测原理,并以工业现场大型烟气轮机为研究对象,完成了基于混沌神经网络的预测,与灰色预测方法进行了比较,实验结果表明基于混沌神经网络的预测精度更高,更有效.     

凝析气藏生产气油比混沌时间序列预测方法

混沌时间序列预测方法在油气田勘探开发过程中发挥着重要的作用。地下储层通常具有较强的非均质性,流体的流动也受到多种未知因素的影响,这也与各种混沌现象极为相似。根据相空间重构理论,应用遗传算法求取最小嵌入维数m及时间延迟τ,构建了混沌时间序列模型,并对牙哈凝析气藏两口井的生产气油比进行了模拟及预测,拟合误差小于6%。研究结果表明,该预测模型有较高的精度。     

Chaotic characteristics of electromagnetic emission signals during deformation and fracture of coal

Electromagnetic emission (EME) is a kind of physical phenomenon accompanying the process of deformation and frac-ture of loaded coal and rock and it is of importance in quantitatively analyzing its characteristics. This will reveal the process of deformation and fracture of coal and predicting dynamic disasters in coal mines. In this study, the G-P (Grassberger and Procaccia) algorithm, calculation steps of the (if only 1 dimension) correlation dimension of time series and the identification standards of chaotic signals are introduced. Furthermore, the correlation dimensions of EME and the acoustic emission (AE) signals of time series during deformation and fracture of coal bodies are calculated and analyzed. The results show that the time series of pulses number of EME and the time series of AE count rate are chaotic and that the saturation embedding dimensions of a K3 coal sample are, respectively, 5 and 6. The results can be used to provide basic parameters for predicting of EME and AE time series.     

基于混沌时间序列的黄土滑坡变形预测方法及应用

采用GNSS技术进行滑坡变形监测时,由于多路径等观测误差的存在,直接使用GNSS监测结果进行变形预测会影响预测结果的精度。为了探讨GNSS测量误差对变形预测结果的影响程度,考虑到滑坡系统的混沌特性,采用混沌理论对陕西泾阳地区庙店滑坡GNSS变形监测结果抑噪处理前后的时间序列进行了对比分析。首先,采用互信息量法确定监测序列的时间延迟、用改进的虚假邻近点法(Cao算法)确定嵌入维数,获取相空间重构参数; 然后使用最大Lyapunov指数对两种变形监测序列进行混沌特性识别; 最后,分别使用加权一阶局域预测方法、最大Lyapunov指数预测方法和BP神经网络预测方法对滑坡变形监测结果进行预测。结果表明:GNSS滑坡变形监测结果抑噪处理前后的时间序列满足混沌特性,说明滑坡系统具有混沌特性; 在3种混沌时间序列预测方法中,BP神经网络预测方法的效果较好,且该方法预测结果的平均绝对误差(MAE)和平均相对误差(MRE)分别为0.4 mm和11.9%,经过S-变换抑噪处理后,预测结果的平均绝对误差和平均相对误差分别为0.1 mm和4.1%,预测效果有明显改善。     

相空间导数重构法的探讨

探讨了导数重构法在实际应用中存在的问题：重构相空间的坐标间尺度差异太大及由时间序列求导时产生的计算误差太强。这两个问题重构相空间受到强烈的噪声干扰,而无法用来表征系统的混沌特征。提出针对性的改进措施：一是采取坐标归一化措施,二是采用曲线拟合对时间序列求导。实际的重构证明,改进导数重构法有效地克服了导数重构法的实际应用困难,能有效地用来揭示系统的混沌特征。     

一种混沌加密算法的硬件实现

在现有的二相混沌加密算法研究的基础上,提出了一种改进的实用混沌加密算法,使其有限字长效应得到了改善,并借助于数字信号处理器TMS320VC5402实现了改进方法。硬件实验结果表明,该方法具有一定的实践可行性和直接的实际应用意义。     

软土地基加固效果的Lyapunov指数判别法

以混沌理论为基础,通过对天然软土地基、碎石桩复合地基、半刚性碎石桩复合地基的Lya punov指数的计算,发现它们的Lyapunov指数均大于0,证明了软土地基变形具有混沌性.通过对软土地基加固前后的Lyapunov指数和变形不动点的比较,半刚性碎石桩复合地基的Lyapunov指数小于天然地基的Lyapunov指数,天然地基没有变形不动点,而半刚性碎石桩复合地基存在变形不动点,证明了采用半刚性碎石桩复合地基,软土地基的混沌性得到了明显的控制,它是控制软土地基变形混沌性的有效手段.     

基于混沌分析的BP神经网络模型及其在负荷预测中的应用

结合混沌分析理论和BP神经网络，提出在混沌相空间建立BP神经网络模型。运用混沌方法构成训练样本及确定神经网络的网络结构，用神经网络拟合相空间相点演化的非线性关系。并利用该模型对具混沌特性的电力系统日负荷时间序列进行短期预测，对比了标准BP网络模型和混沌线性回归模型的预测结果，结果表明基于混沌分析的BP神经网络模型的预测精度较高。     

确定相空间重构嵌入维数的研究

由于相空间重构是船舶机械系统混沌振动识别的重要基础,研究了确定相空间重构嵌入维数的新方法.首先应用相空间局部流形变化最小原理和互信息方法计算重构延迟时间,在此基础上提出无阈值计算嵌入维数方法.在嵌入维数过低的情况下,吸引子被压缩,在低维空间中产生了伪邻点,随着维数的增加,邻近点对之间的距离逐渐增大,伪邻点数逐步减小.研究发现吸引子上邻近点之间距离的变化速度随嵌入维数增加并不是无限增大,而是受一定条件的限制.通过定义指标G对邻近点对的演化行为进行定量刻画,当嵌入维数达到某一特定值时,G曲线趋向于饱和,吸引子结构最为有序,因而所对应的嵌入维数为最小嵌入维数.该方法在计算过程中不需要选择阈值,因而更具有客观性.通过对Lorenz以及Henon系统产生的混沌数据进行分析,证实了该方法的有效性,同时研究了数据长度、噪声以及延迟时间对该方法的影响.