基于模糊神经网络的混沌控制与同步

发布时间：2021-11-20 07:40

　　在复杂非线性系统中,混沌有其特殊性。虽然它与确定动力系统相关联,但是却具有随机系统所具有的类随机性。由于混沌处于稳定性的边缘,因此易导致系统趋于不稳定,性能衰退甚至发生灾难后果。在此情况下,混沌不是所期望的应完全避免或彻底消除。在所给出的大多数物理混沌系统中,它们往往具有内在的未知非线性或不确定的参数,本文重点研究了对不确定和未知混沌系统的鲁棒及自适应控制,并把基于模糊神经网络（FNN）的有效的非线性自适应控制方法应用到混沌控制与同步中。为了设计鲁棒控制器,滑模控制器由于其固有的易实现,响应速度快,良好的暂态性能以及不敏感于系统参数的不确定及外部噪声扰动等优点而被经常采用。在面对未知混沌系统时,FNN与Lyapunov稳定性理论相融合的自适应控制被应用。全文的主要研究工作包括：1研究了不确定多卷临界混沌系统的控制问题。根据变结构控制理论,设计了具有控制输入扇区非线性及死区的不确定多卷临界混沌系统的滑模控制器,使得受控系统从任意初态出发收敛到期望的不稳定平衡点或外部参考信号,具有全局稳定性。2研究了多卷混沌系统的跟踪控制问题。设计了基于FNN补偿的多卷混沌系统的跟踪控制。在FNN非线性补... 

【文章来源】：大连理工大学辽宁省 211工程院校 985工程院校 教育部直属院校

【文章页数】：127 页

【学位级别】：博士

【部分图文】：

图2.1两个共存的2一卷混沌吸引子

图2.7驱动系统(2.4)到平衡点q的仿真结果Fig.2.7Simulationresultsofdrivingsystem(2.4)toe甲ilibriumpointsq控制复杂动态网络了验证所设计的控制器可以应用到复杂动态网络I‘46，‘47]的控制，该网络由N个

大连理工大学博士学位论文XZ=!一 0.222}和戈=【2一2一l]。图2.8一2.12分别给出驱动网络 (220)的一个节点到平衡点q一雌的仿真结果。国国。以l!肚。口l}监火一一ID一20一20一30一30一40一40︹曰勺d加t日﹃口2Dt图2.8驱动系统 (2.20)的节点i到平衡点以的仿真结果 Fig.2.8Simulationresultsofdrivingtheithnodeofsystem(2.20)toequilibritunpointsol心心心心心心心心心心心丫丫丫 丫丫 iiiii11111_____一 xizzzzz_____一、 、、 lllllllllllllllll!JJJ祥祥— eilllll--------一 rrrreiZ一一一一 ei333二，，门曰勺J20t图2.9驱动系统 (2.20)的节点i到平衡点q的仿真结果Fig.2.95如 ulationresultsofdrivingtheithnodeofsystem(2.20)toequilibriumpointsq

【参考文献】：
期刊论文
[1]分岔、混沌、奇怪吸引子、湍流及其它——关于确定论系统中的内在随机性[J]. 郝柏林.  物理学进展. 1983(03)



本文编号：3506870