基于微粒群本质特征的混沌微粒群优化算法

在总结对微粒群优化(PSO)算法本质的主要研究成果的基础上,提出了基于微粒群本质特征的混沌微粒群优化(CPSO)算法.该算法用混沌搜索方法代替随机数产生器在较好的区域搜索最优解.为了提高粒子群的多样性,用由粒子邻域内若干个个体最优位置依其适应值加权平均得到的中心位置代替标准PSO算法的全局历史最优位置.然后,根据粒子个体最优位置与上述中心位置间的距离自适应地调整混沌搜索区域半径.用几个经典测试函数的仿真结果及与其它几种PSO算法的比较结果验证了新算法的有效性.     

基于混沌蚁群算法的最短路径选择研究

如何解决最短路径选择问题一直是城市交通流诱导系统的关键之一.基于群体仿生理论的蚁群算法是解决此问题的一种方法,针对采用蚁群算法进行最短路径选择时易出现的陷入局部最优解问题,引入混沌理论,采用混沌蚁群算法利用混沌初始化进行改善个体质量和利用混沌扰动避免在蚁群算法搜索过程中陷入局部极值,同时降低了蚁群算法的时间复杂度,从而更好的解决了最短路径选择问题.     

一种基于Logistic混沌序列的加密隐藏算法

利用混沌序列的随机性和不可预测性,可将其作为密钥进行数据加密.同时,传统的加密技术所得到的密文容易被攻击者发现,影响了信息的安全性.本文有效地引入信息隐藏方法,提出了基于Logistic混沌序列并将加密与隐藏相结合的算法,防止密文在传送中被监测到,提高了信息的安全性.     

自适应多项式预测滤波器的新结构与算法研究

(1)提出了一种DCT域二次滤波实现结构及其NLMS自适应算法，并将其用于连续混沌信号的实时预测研究，结果表明：所提出的滤波器结构实现简单、不存在算法收敛性问题；对连续混沌信号的实时多步预测性能明显优于局域法的多步预测性能，这一结果对我们重新认识     

一类具稀疏效应食饵-捕食系统的分岔及混沌

得到了一类稀疏效应下的Predator—Prey系统发生静态分岔和Hopf分岔的条件，证明了此类系统存在混沌现象，完善了此类系统的研究工作。     

非线性混沌时序预测研究及应用

混沌是一种普遍存在的非线性动力学行为，针对混沌时间序列的难以预测和控制的问题，提出了基于趋势的混沌预测模型，利用混沌系统的初值、参数敏感性来微调和控制系统扰动，并用改进的最优化方法来估计模型的参数，在其相空间中对时序的未来值进行预测．算例表明，选取最佳的模型阶数能增加预测的准确程度，它不仅克服了仅用延迟嵌入技术的弊端，也降低了直接使用预测误差决定输入模式的盲目性．预测效果比其他时序方法要好。     

基于奇异值分解的混沌时间序列Volterra预测

提出一种用于混沌时间序列预测的奇异值分解Volterra滤波器.在Volterra滤波系数计算过程中,采用奇异值分解的方法得到线性方程组的最小二乘解.4种混沌序列的预测实验表明:该滤波器对混沌流的预测性能远优于NLMS自适应Volterra滤波器,前者的一步预测相对误差比后者小3~4个数量级.     

高速动车组牵引传动控制系统仿真研究

以CRH380A型动车组为研究对象,阐述了牵引传动系统的工作原理,探讨了脉冲整流器的瞬态电流控制策略和三电平逆变器的空间矢量脉宽调制技术。着重分析了转子磁场定向间接矢量控制和牵引传动控制系统的工作原理。根据CRH380A型动车组实际设计参数,构建了牵引传动控制系统的MATLAB仿真模型,分析了该模型在牵引工况、再生制动工况和不同运行速度下的电机输出转矩和定子相电流波形。仿真结果表明,所建的恒速控制模块能够实现动车组在牵引恒速、惰行和再生制动恒速等不同运行状态间的平滑切换;牵引传动控制系统仿真模型能够实现动车组在牵引和再生制动工况下的稳定运行,达到了预期目标。     

基于综合运输网络的客流分配优化模型与算法

以综合运输网络条件下的客流分配为研究对象,提出更适合表现旅客出行需求和各种运输方式相互竞争关系的运输细分方式,采用可量化表征综合运输网络当前客流状态的区间饱和度和径路饱和熵,并结合旅客出行广义费用函数,构造旅客出行阻抗函数,给出以综合运输网络中旅客出行总阻抗最小为目标的客流分配优化模型.基于k条最短路算法和混沌优化算法,在径路选择时考虑当前综合运输网络的旅客出行阻抗因素,设计客流分配迭代优化的动态求解算法.算例表明,利用给出的模型和算法能够得到可行和更为细分的综合运输网络客流分配方案.     

基于混沌理论的铁路客货运量预测研究

应用混沌理论的相空间重构方法,分析与铁路运量相关的12组时间序列,分别计算它们的嵌入延迟时间、嵌入维数、关联维数、最大Lyapunov指数等混沌统计量,并以此为依据判断12组时间序列的混沌特性。结果显示:铁路客货运量及周转量不具有混沌特性,对应的4组时间序列不是混沌的;铁路客货运量、周转量的增量及增长率都具有明显的混沌特性,它们对应的8组时间序列是混沌的。在识别是否混沌的基础上,应用基于最大Lyapunov指数预测方法,对铁路客货运量、周转量进行预测检验及预测结果分析。