混沌系統(tǒng)智能辨識(shí)與控制研究.pdf

1、混沌是自然界中廣泛存在的一種復(fù)雜運(yùn)動(dòng)形式。近些年來，混沌與其它學(xué)科互相滲透，無論是在物理學(xué)、生物學(xué)、數(shù)學(xué)、電子學(xué)、心理學(xué)、信息科學(xué)，還是在氣象學(xué)、經(jīng)濟(jì)學(xué)、天文學(xué)，甚至在音樂、藝術(shù)等領(lǐng)域都得到了廣泛的應(yīng)用。為了更好地利用混沌或者消除混沌的不良影響，辨識(shí)混沌系統(tǒng)的模型并實(shí)施相應(yīng)的控制具有重要的意義。近些年來，以神經(jīng)網(wǎng)絡(luò)和模糊理論為代表的智能控制理論在復(fù)雜系統(tǒng)建模、控制方面得到了長足發(fā)展。本文采用智能控制理論研究了混沌系統(tǒng)的辨識(shí)與控制，具體研

2、究工作如下：
　　首先，提出了一種基于區(qū)間Ⅱ型模糊系統(tǒng)的混沌系統(tǒng)辨識(shí)方法。該方法采用網(wǎng)格對(duì)角線法來劃分模糊空間，Ⅱ型模糊集主隸屬度函數(shù)為對(duì)稱三角形隸屬函數(shù)。在保持前件參數(shù)不變的情況下，采用帶遺忘因子的遞推最小二乘法辨識(shí)結(jié)論參數(shù)。為了解決采樣數(shù)據(jù)受到噪聲污染的問題，對(duì)采樣數(shù)據(jù)進(jìn)行Sigmoid數(shù)據(jù)變換，并采用粒子群算法優(yōu)化變換函數(shù)的關(guān)鍵參數(shù)和隸屬函數(shù)寬度，避免了隸屬函數(shù)的調(diào)整，提高了Ⅱ型模糊模型的辨識(shí)精度。此方法應(yīng)用到Mackey-

3、Glass混沌系統(tǒng)的建模中，仿真結(jié)果驗(yàn)證了本文方法的有效性。
　　其次，利用混沌系統(tǒng)的部分結(jié)構(gòu)信息，提出了一種基于Wiener-LSSVM模型的混沌系統(tǒng)辨識(shí)方法。Wiener-LSSVM模型由一個(gè)線性動(dòng)態(tài)子系統(tǒng)和LSSVM組成，比較適合描述大部分的混沌系統(tǒng)。給出了同時(shí)辨識(shí)線性動(dòng)態(tài)部分和最小二乘支持向量機(jī)的最小二乘算法。
　　然后，提出了一種基于Hammerstein-ELM模型的混沌系統(tǒng)辨識(shí)方法。Hammerstein-EL

4、M模型由一個(gè)極值學(xué)習(xí)機(jī)神經(jīng)網(wǎng)絡(luò)和一個(gè)線性動(dòng)態(tài)部分組成。推導(dǎo)出了用于同時(shí)辨識(shí)ELM神經(jīng)網(wǎng)絡(luò)和線性動(dòng)態(tài)子系統(tǒng)參數(shù)的廣義極值學(xué)習(xí)算法。該算法采用矩陣偽逆確定辨識(shí)參數(shù)，提高了辨識(shí)的準(zhǔn)確性。
　　最后，基于模糊理論，提出了兩種Hénon混沌系統(tǒng)的控制與同步算法。第一種方法采用T-S模型來辨識(shí)Hénon混沌系統(tǒng)，得到Hénon混沌系統(tǒng)的局部動(dòng)態(tài)線性模型，基于此模型設(shè)計(jì)了模糊廣義預(yù)測(cè)控制算法來實(shí)現(xiàn)Hénon混沌系統(tǒng)的跟蹤與同步控制。第二種方法采