舰船惯导航行数据的重构及混沌特性分析

针对现有舰船航行数据处理研究中,对数据内在属性及不同数据间相关性研究不够深入的问题,应用不同方法对舰船惯导航行数据进行了相空间重构及比较分析。分析结果表明,C-C方法对船舶惯导航行数据的重构效果较好。在此基础上,进行了惯导数据的混沌特性定性分析,并计算了惯导数据的最大Lyapunov指数,对舰船惯导数据进行了混沌动力学特性研究。分析结果证实了舰船航行数据具有较为典型的混沌特性,为进一步研究采用混沌控制等方法对舰船航行中的混沌状态进行控制提供必要的数据基础和比较依据。     

矩阵广义逆的推广

广义逆矩阵在处理线性方程组与奇异值问题中的强大能力,使得这一理论得到广泛应用．本文将矩阵的广义逆推广到欧几里德若当代数中．首先,引入并刻画了欧几里德若当代数中元素的广义逆．然后,对该代数中一类重要的线性变换：Lyapunov变换的广义逆进行了刻画．最后,指出了欧几里德若当代数中广义逆理论的某些潜在应用．     

基于一维元胞自动机模型的交通流混沌研究

应用交通流一维元胞自动机模型进行仿真试验,研究理论交通流的混沌现象.仿真中选取某一观测点记录车辆到达该点的车头时距,应用非线性分析软件TISEAN计算该车头时距序列的Lyapunov指数谱和Kolmogorov熵.试验结果证明交通流中存在混沌现象.从试验结果分析找出了产生交通流混沌现象的2个因素:车辆密度和车辆减速概率.当车流密度超过某一值时仿真出的交通流会产生混沌现象,而出现混沌的根本原因在于交通流的内在随机性,其中车辆不规则的加速、减速是这种内在随机性的主要因素.     

Stability Analysis of Continuous-Time Fuzzy Large-Scale System

IntroductionSincefuzzylogicwasintroducedintotheanalysisanddesignofcontrolsystemsbyZadehin 1 96 5[1] ,ithasbecomeaverypopulartopicincontrolengineering[2 4] ,mainlybecauseofthefollowingtwopoints :1 )ithastheadvantagethatnoformalmathematicalmodelsisneededan…     

基于自适应神经网络的UUV航速控制仿真研究

针对无人水下航行器(UUV)在水动力参数变化和外界不确定干扰下的航速控制问题,提出一种基于李雅普诺夫方法的自适应神经网络控制算法。引入RBF神经网络来估计建模误差和海流干扰,并设计自适应学习律来保证神经网络权值的最优估计,保证了系统的航速误差收敛到零。仿真试验结果表明设计的控制器在航速控制过程中可有效抑制UUV载体的模型不确定性及海流干扰,且控制参数易于调节。     

水下航行体的改进S面运动控制器

为研究水下航行体的纵向速度对其余自由度运动所产生的影响及其自身所承受的静力学作用,在分析水下航行体运动模型的基础上,提出了一种改进S面运动控制器。该控制器不仅保留了常规S面控制器参数易于调整且结构简单的优点,同时还克服了常规S面控制器在水下航行体高速航行时运动控制效果差的缺点。引入李雅普诺夫函数对该控制器的稳定性进行分析,并将该控制器成功应用于水下航行体的运动控制。将改进S面运动控制器与常规S面控制器的试验结果进行对比,结果表明:改进S面运动控制器在水下航行体的运动控制方面具有可行性及有效性。     

两种短时交通流混沌预测方法分析

短时交通流预测是智能交通系统的核心内容和交通信息服务、交通诱导的重要基础。采用符合交通流特性的混沌理论对短期交通流进行预测。在相空间重构和混沌识别的基础上,建立短期交通流加权一阶局域预测模型和基于最大Lyapunov指数的预测模型,并对一组实际的交通流数据进行预测。仿真结果表明:两种方法都能较准确的预测交通流,但最大Lyapunov指数预测模型的预测精度相对较高。     

非线性动力系统的鲁棒控制器设计

考虑非线性动力系统的鲁棒镇定问题。应用Ｌｙａｐｕｎｏｖ方法提出了新的非线性反馈控制器设计方案。只要不确定性是连续有界的，所提出的控制律将使其闭环系统鲁棒实用稳定或鲁棒渐近稳定。     

一类非线性周期振荡电路的分岔和混沌控制

基于基尔霍夫第一定律(KCL)建立了一类非线性周期振荡电路的数学模型,分析了周期激振力变化时对系统动力学行为的影响.通过计算Duffing系统时间序列的Lyapunov指数谱验证了对称性破缺分岔是倍周期分岔的前兆.通过仿真系统的分岔图、Lyapunov指数谱和利用Kaplan.Yorke猜想公式计算系统吸引子的Lyapunov维数,刻画出系统的周期运动和混沌运动.揭示了此类系统通向混沌的过程.最后,应用一种有效而又简易的控制方法对此类非线性电路中的混沌运动进行了控制.     

K-Dimension and Holder Exponent for Bush Type Fractal Functions

Bush type fractal functions were defined by means of the expression of Cantor series of real numbers. The upper and lower bound estimates for the K-dimension of such functions were given. In a typical case, the fractal dimensional relations in which the K-dimension equals the box dimension and packing dimension were presented; moreover, the exact Holder exponent were obtained for such Bush type functions.