基于混沌蜂群算法的USV路径规划

针对多障碍物环境下,传统智能算法容易过早收敛、搜索精准度差等问题,为提高路径规划准确性,获得最佳路径,避免碰撞发生,提出一种基于人工蜂群算法的水上无人艇路径规划方法。通过栅格法建模,以无人艇目的地为蜜源,在蜂群信息交换阶段,采用混沌序列产生初始化雇佣蜂,跳出局部最优。与传统人工蜂群算法进行对比,仿真结果表明,混沌蜂群算法在路径优化方面更能找到全局最优路径。     

考虑油膜力-碰摩力耦合的双盘转子系统动力学行为

考虑非线性油膜力-碰摩力耦合的双盘转子-轴承系统动力学模型.采用四阶Runge-Kutta法对该系统进行数值求解,结合相图、poincaré映射图、分岔图、最大碰摩力图,着重分析了转速和润滑油粘度的变化对系统响应及稳定性的影响.结果表明:不同转速下系统会出现多周期、概周期、混沌等复杂动力学行为.在低转速下,系统经历Hopf分岔进入概周期运动;中速阶段,系统会产生阵发性混沌运动,并历经逆倍周期分岔及Neimark-Sacker分岔进入概周期运动.润滑油粘度的增大,能够提高系统的稳定性,降低转子与定子间的最大碰摩力,使阵发性混沌区域逐渐后移且缩小.     

平台运动下悬链线立管涡激振动响应特性分析

悬链线立管会在半潜平台运动带动下出现涡激振动现象,对立管疲劳寿命造成影响.借助海工结构物动力分析软件Orcaflex建立立管模型,使用Iwan-Blevins尾流振子模型进行数值模拟.通过与试验结果对比验证了该方法的可行性.同时建立实尺度悬链线立管模型,并考虑背景海流的影响,分析平台垂荡、纵荡运动下的立管涡激振动响应和疲劳损伤.研究表明,平台运动产生的非定常流场将引起悬链线立管发生涡激振动现象,并在背景洋流激励的基础上增大疲劳损伤,在立管结构实际工程设计时应予以关注.     

基于OVM模型的交通流混沌研究

研究基于OVM模型的交通流混沌问题。用Matlab结合C 语言编写OVM模型的仿真程序来产生交通流时间序列。在一定的参数组合下,仿真研究交通流车队中不同序号的前后车辆之间的车头间距变化过程。通过分析这种车头间距变化过程的变化曲线并利用小数据量方法计算Lyapunov指数,证明了基于OVM模型产生的交通流中存在着混沌现象。讨论模型参数和仿真试验参数对该理论交通流运动状态的影响,给出相应的仿真研究结果,得出对于研究与应用交通流理论有益的结论。     

汽车悬架隔振性能的快速检测

介绍了混沌特征参数如关联维D2和最大Lyapunov指数的基本理论。采用汽车制动-悬架隔振效率试验台快速获取B J2020S越野吉普车和HONDA LEGEND 3.0轿车前、后悬架的振动信号,据此计算一阶固有频率、阻尼比、一阶固有频率处的带中功率以及关联维D2和最大Lyapunov指数,从而获得了汽车悬架隔振性能与混沌特征参数之间的对应关系,实现了汽车悬架隔振性能的快速检测。     

基于最大Lyapunov指数改进算法的交通流混沌判别

提出了一种快速判别交通流混沌的最大Lyapunov指数改进算法．该算法首先用关联积分法（C-C方法）和Cao方法确定重构相空间的两个重要参数：嵌入维数m和延迟时间，再用小数据量方法计算时间序列的最大Lyapunov指数．这种算法不仅能够很好地重构原始时间序列的特性，并且能够避免Wolf方法的局限性．应用最大Lyapunov指数改进算法对仿真交通流和实测交通流的时间序列进行了混沌判别，结果表明，基于跟驰模型的仿真交通流和实际交通流中存在混沌现象，最大Lyapunov指数改进算法是准确判定时间序列是否具有混沌特性的一种有效方法．     

利用雅可比椭圆函数计算强非线性杜芬振子的周期响应

应用雅可比椭圆函数及均值方法计算求解受到简谐外激扰的强非线性杜芬振荡系统ｖ＋αｖ＋γｖ＾３＝ε（－βｖ＋ＦｃｏｓΩＴ）的稳态周期响应，首先利用雅可比椭圆函数给出无扰动系统的周期解。然后，采用对无扰动系统周期解进行扰动的方法，求扰动系统的周期解。在这个过程中，采用均值方法对问题进行了简化，并通过对所得解的讨论与分析，最终得到原问题的稳态周期响应，实例验证的结果表明，我们所介绍的方法是成功的。并可应用     

一种基于混沌序列的数字水印算法实现及分析

数字水印技术是进行数字产品保护的一种重要手段.提出了一种基于混沌序列的数字水印算法,在水印嵌入原始图像之前,利用混沌发生器生成的随机序列对水印图像进行置乱处理;水印位置的确定采用边缘提取的方法,简单易行.     

基于小波变换的船用雷达海杂波小目标检测

强海浪中小目标回波的检测一直是船用雷达目标识别的难点,但现有的统计方法难以准确和全面地描述复杂的海杂波特性.要突破这一局限性,以获得对复杂现象更有效的描述,就迫切要求使用新技术.文中利用小波理论,针对强海浪下点目标和低矮宽大目标二类以往难以检测的目标,通过区分噪声、点目标、低矮宽大目标在小波变换下不同的奇异特征、设计了一套能够识别出点目标和低矮宽大目标的方案.     

基于RBF神经网络模型的混沌背景下谐波信号提取

在混沌时间序列前后向联合预测模型的基础上,提出前后向联合迭代预测模型并将之用于混沌背景下谐波信号的提取.对前后向联合迭代预测模型与前向预测模型的仿真实验对比研究表明,在叠加谐波信号幅度和频率不过小的情况下,前后向联合迭代预测模型在连续类混沌背景下的谐波信号提取性能较前向预测模型好,而在离散类混沌背景下的谐波信号提取效果都很差,但仍可用于检测微弱谐波信号.