一種基于人工神經網絡的混沌控制方法技術

本發明專利技術中提出的一種基于人工神經網絡的混沌控制方法，其主要內容包括：洛倫茲振蕩器、蔡氏電路、人工神經網絡(ANN)、使用ANN控制混沌，其過程為，先在面板上構建蔡氏電路，測試并獲得示波器上顯示的輸出，用仿真分析程序重繪ANN各個部分的電子電路，ANN電路的輸出連接到蔡氏電路，電路輸出的一部分再反饋到ANN，相應地調整權重，ANN通過學習，調整蔡氏電路的參數，給出所需的輸出。本發明專利技術采用人工神經網絡(ANN)有效控制混沌系統，從混沌系統中獲得所需的輸出，提供了控制的穩定性，實現了自動化；混沌系統得到控制，使其可以實現在其他應用上的功能。

A chaotic control method based on artificial neural network

The present invention in a chaos control method based on artificial neural network, the main contents include: Lorenz oscillator, Chua's circuit, artificial neural network (ANN), using ANN to control the chaos, the process is first constructed, Chua's circuit in the panel, the test and obtain the output displayed on an oscilloscope, the electronic circuit analysis program redraw the various parts of ANN simulation, ANN circuit output is connected to a part of Chua's circuit, output circuit and feedback to ANN, ANN to adjust the weights accordingly, through learning, adjusting the parameters of Chua's circuit, the output is required. The invention adopts the artificial neural network (ANN) effective control of chaotic system, the required output obtained from the chaotic system, provides the control stability, realize automatic control; chaotic system, which can realize the function in other applications.

【技術實現步驟摘要】
一種基于人工神經網絡的混沌控制方法
本專利技術涉及混沌控制領域，尤其是涉及了一種基于人工神經網絡的混沌控制方法。
技術介紹
近幾年來，科學家和學者等從對混沌現象的觀察和研究轉向尋找各個學科之間混沌行為的相互制約關系及內在聯系，從而尋求一大類復雜問題普遍遵循的共同規律和系統方法。由于混沌控制在工程技術上具有重大的研究價值和有人的應用前景，它已經成為非線性科學應用的新研究領域。混沌系統控制具有許多潛在的應用，如熱傳遞，生物系統，激光物理學，化學反應器，生物醫學，經濟學，天氣和安全通信，甚至在科研和國防軍事上也顯示出越來越重要的地位。然而，如今的混沌控制技術仍不穩定。本專利技術提出了一種基于人工神經網絡的混沌控制方法，先在面板上構建蔡氏電路，測試并獲得示波器上顯示的輸出，用仿真分析程序重繪ANN各個部分的電子電路，ANN電路的輸出連接到蔡氏電路，電路輸出的一部分再反饋到ANN，相應地調整權重，ANN通過學習，調整蔡氏電路的參數，給出所需的輸出。本專利技術采用人工神經網絡(ANN)有效控制混沌系統，從混沌系統中獲得所需的輸出，提供了控制的穩定性，實現了自動化；混沌系統得到控制，使其可以實現在其他應用上的功能。
技術實現思路
針對混沌控制不穩定的問題，本專利技術提供一種基于人工神經網絡的混沌控制方法，其主要內容包括：(一)洛倫茲振蕩器；(二)蔡氏電路；(三)人工神經網絡(ANN)；(四)使用ANN控制混沌。其中，所述的人工神經網絡(ANN)控制混沌的方法，使用人工神經網絡(ANN)能有效控制混沌，從混沌系統中獲得所需的輸出，使用ANN可以導致穩定的混沌系統；實現這種期望結果的主要問題是調整ANN權重所需的時間，首先手動逐一通過調節蔡氏的輸出電阻，然后自動由反饋控制系統。進一步地，所述的混沌，它被定義為非線性動態系統的屬性，當在系統中的最小變化導致系統行為差異非常大時，表現出對初始條件的敏感依賴性；混沌是有序的混亂，因為不能預測系統行為將對輸入中的變化產生的影響，所以混沌是不可預測的。其中，所述的洛倫茲振蕩器，以下三個常微分方程定義了洛倫茲振蕩器的混沌行為：dx/dt＝δ(y-x)(1)dy/dt＝δ(ρ-z)-y(2)dz/dt＝xy-βz(3)其中，x，y和z定義系統的狀態，t是時間，δ、ρ和β是系統參數。進一步地，所述的混沌行為，通常系統不顯示任何種類的混沌行為，但對于其參數的某些值，如：β＝8/3，δ＝10，ρ＝28，系統可能產生混沌圖；當對數映射方程(xn+1＝μxn(1+xn))中的μ增加超過3.3時，就會出現混沌的另一個良好示例；當μ<3.3時，系統在x(周期—2個循環)的兩個值之間振蕩；進一步增加μ，使系統在四個值之間振蕩(分叉/周期—4個循環)，如果保持增加μ，周期倍增將在參數μ的較小間隔發生。其中，所述的蔡氏電路，蔡氏電路是最簡單的混沌系統之一；使用示波器，可以觀察到蔡氏電路創建的混沌雙滾動，它可以通過三個方程建模：C1dv1/dt＝(v2-v1)/R-g(v1)(4)C2dv2/dt＝-(v2-v1)/R+I(5)LdI/dt＝-rI-v2(6)其中，v1和v2分別是C1和C2兩端的電壓，g(v1)是非線性電阻(相當于蔡氏二極管)的電導，r是電感的電阻。其中，所述的人工神經網絡(ANN)，ANN是人工智能(AI)的一部分，它基于生物神經系統；由于神經網絡在某種意義上基于該輸入及其輸出的反饋而改變或學習，流經網絡的信息會影響ANN的結構。進一步地，所述的人工神經元的輸出由下式控制：y＝f(v)(7)其中，f(v)是激活函數，v＝w1x1+w1x1+…+wmxm+w0b0(8)其中，w0,w1,w2,…wm是權重，,x1,x2,…xm是輸入，b0是偏差；為了獲得一些期望的輸出yd，將神經元的輸出傳播回系統，并且通過調整權重獲得期望的輸出；這里使用的激活函數是S型函數。其中，所述的使用ANN控制混沌，為了控制蔡氏電路所呈現的混沌行為，首先在面板上構建蔡氏電路，測試并獲得示波器上顯示的輸出；通過調節電阻R和C的值，可以消除混沌行為，并使電路給出期望的穩定輸出，用于響應R和C的不同選擇。進一步地，所述的構建蔡氏電路，用Matlab來模擬上述的電路，使用可用的蔡氏電路的程序為其方程；通過使用在面板上構建的電子電路，然后使用Matlab可用程序獲得混亂行為后，用仿真分析程序重繪ANN各個部分的電子電路(權重，求和函數，激活函數)，然后所有電路連接在一起；最后，ANN大電路的輸出連接到蔡氏電路，蔡氏電路輸出的一部分反饋到ANN，相應地調整權重；一旦所有電路連接在一起，可以使用不同的初始值為ANN權重，然后ANN通過學習，調整蔡氏電路的參數，給出所需的輸出。附圖說明圖1是本專利技術一種基于人工神經網絡的混沌控制方法的系統框架圖。圖2是本專利技術一種基于人工神經網絡的混沌控制方法的蔡氏電路。圖3是本專利技術一種基于人工神經網絡的混沌控制方法的人工神經網絡。圖4是本專利技術一種基于人工神經網絡的混沌控制方法的神經元系統。具體實施方式需要說明的是，在不沖突的情況下，本申請中的實施例及實施例中的特征可以相互結合，下面結合附圖和具體實施例對本專利技術作進一步詳細說明。圖1是本專利技術一種基于人工神經網絡的混沌控制方法的系統框架圖。主要包括洛倫茲振蕩器，蔡氏電路，人工神經網絡(ANN)，使用ANN控制混沌。其中，使用人工神經網絡(ANN)能有效控制混沌，從混沌系統中獲得所需的輸出，使用ANN可以導致穩定的混沌系統；實現這種期望結果的主要問題是調整ANN權重所需的時間，首先手動逐一通過調節蔡氏的輸出電阻，然后自動由反饋控制系統。混沌被定義為非線性動態系統的屬性，當在系統中的最小變化導致系統行為差異非常大時，表現出對初始條件的敏感依賴性；混沌是有序的混亂，因為不能預測系統行為將對輸入中的變化產生的影響，所以混沌是不可預測的。其中，以下三個常微分方程定義了洛倫茲振蕩器的混沌行為：dx/dt＝δ(y-x)(1)dy/dt＝δ(ρ-z)-y(2)dz/dt＝xy-βz(3)其中，x，y和z定義系統的狀態，t是時間，δ、ρ和β是系統參數。通常系統不顯示任何種類的混沌行為，但對于其參數的某些值，如：β＝8/3，δ＝10，ρ＝28，系統可能產生混沌圖；當對數映射方程(xn+1＝μxn(1+xn))中的μ增加超過3.3時，就會出現混沌的另一個良好示例；當μ<3.3時，系統在x(周期—2個循環)的兩個值之間振蕩；進一步增加μ，使系統在四個值之間振蕩(分叉/周期—4個循環)，如果保持增加μ，周期倍增將在參數μ的較小間隔發生。其中，使用ANN控制混沌，為了控制蔡氏電路所呈現的混沌行為，首先在面板上構建蔡氏電路，測試并獲得示波器上顯示的輸出；通過調節電阻R和C的值，可以消除混沌行為，并使電路給出期望的穩定輸出，用于響應R和C的不同選擇。用Matlab來模擬上述的電路，使用可用的蔡氏電路的程序為其方程；通過使用在面板上構建的電子電路，然后使用Matlab可用程序獲得混亂行為后，用仿真分析程序重繪ANN各個部分的電子電路(權重，求和函數，激活函數)，然后所有電路連接在一起；最后，ANN大電路的輸出連接到蔡氏電路，蔡氏電路輸出的一部分反饋到ANN，相應地調整權重；一旦所本文檔來自技高網...

【技術保護點】
一種基于人工神經網絡的混沌控制方法，其特征在于，主要包括洛倫茲振蕩器(一)；蔡氏電路(二)；人工神經網絡(ANN)(三)；使用ANN控制混沌(四)。

【技術特征摘要】
1.一種基于人工神經網絡的混沌控制方法，其特征在于，主要包括洛倫茲振蕩器(一)；蔡氏電路(二)；人工神經網絡(ANN)(三)；使用ANN控制混沌(四)。2.基于權利要求書1所述的人工神經網絡(ANN)控制混沌的方法，其特征在于，使用人工神經網絡(ANN)能有效控制混沌，從混沌系統中獲得所需的輸出，使用ANN可以導致穩定的混沌系統；實現這種期望結果的主要問題是調整ANN權重所需的時間，首先手動逐一通過調節蔡氏的輸出電阻，然后自動由反饋控制系統。3.基于權利要求書1所述的混沌，其特征在于，它被定義為非線性動態系統的屬性，當在系統中的最小變化導致系統行為差異非常大時，表現出對初始條件的敏感依賴性；混沌是有序的混亂，因為不能預測系統行為將對輸入中的變化產生的影響，所以混沌是不可預測的。4.基于權利要求書2所述的洛倫茲振蕩器(一)，其特征在于，以下三個常微分方程定義了洛倫茲振蕩器的混沌行為：dx/dt＝δ(y-x)(1)dy/dt＝δ(ρ-z)-y(2)dz/dt＝xy-βz(3)其中，x，y和z定義系統的狀態，t是時間，δ、ρ和β是系統參數。5.基于權利要求書4所述的混沌行為，其特征在于，通常系統不顯示任何種類的混沌行為，但對于其參數的某些值，如：β＝8/3，δ＝10，ρ＝28，系統可能產生混沌圖；當對數映射方程(xn+1＝μxn(1+xn))中的μ增加超過3.3時，就會出現混沌的另一個良好示例；當μ<3.3時，系統在x(周期—2個循環)的兩個值之間振蕩；進一步增加μ，使系統在四個值之間振蕩(分叉/周期—4個循環)，如果保持增加μ，周期倍增將在參數μ的較小間隔發生。6.基于權利要求書3所述的蔡氏電路(二)，其特征在于，蔡氏電路是最簡單的混沌系統之一；使用示波器，可以觀察到蔡氏電路創建的混沌雙滾動，它可以通過三個方程建模：C1dv1/dt＝...

【專利技術屬性】
技術研發人員：夏春秋，
申請(專利權)人：深圳市唯特視科技有限公司，
類型：發明
國別省市：廣東,44