细胞神经网络（Cellular Neural Network,CNN）兼具传统人工神经网络和细胞自动机的优势,被广泛应用于智能系统的构建和研究中。近年来,随着第四种基础电路元件——忆阻器的制备和研究,将其与CNN结合构建新的CNN,成为众多学者研究的重点和热点。其中,为了研究大脑神经系统中微观轴突、单个细胞、耦合细胞可能产生的混沌现象,设计出合适的忆阻混沌CNN模型是非线性系统的一个重要研究内容。本文结合忆阻人工神经网络混沌系统的最新研究成果,构造了几类具有复杂动力学行为的忆阻CNN混沌系统,并分析了此类系统的动力学行为,设计其模拟电路,并将其应用于图像加密中。本文的主要工作与贡献包括以下三个方面:1.构造了基于磁通控制忆阻器的CNN混沌系统,分析了电磁感应对该系统混沌动力学行为的影响。通过调整与忆阻器磁通量变化相关的参数来模拟系统在实际场景中因电磁辐射等引起的电磁场变化,实验表明系统会呈现出多周期,正向、反向倍周期分岔,共存吸引子,持续混沌,瞬态混沌,双稳态等丰富的动力学现象;之后,提出了基于该系统的一种图像加密算法,通过分析该算法的信息熵、相关性、鲁棒性、时间复杂度等,证明了算法的有效性。2.构造了能产生第三类多涡卷混沌吸引子的忆阻CNN混沌系统,并将其应用于图像加密算法中。首先,构建了忆导函数为偶函数、内部状态函数为双曲正切分段线性函数的忆阻器数学模型,并用此忆阻器来实现CNN的权值,设计了新CNN混沌系统。通过分析系统的平衡点及其特征值特性,发现系统中存在指标1和指标2的不稳定鞍焦平衡点,特别地,当调整忆阻器内部状态函数的分段线性数时,系统的指标2不稳定鞍焦平衡点的数量并不会随之增加,只是沿磁通变量（φ）轴向两端移动。此外,发现系统具有初始值偏置共存、振幅控制等动力学行为。最后,提出了一种新的图像加密算法并对其进行性能分析。3.构造了能产生第一类多涡卷混沌吸引子的忆阻CNN混沌系统,通过设计系统模拟电路验证了该系统的有效性。首先,用内部状态函数为分段线性符号函数的忆阻器来实现三维CNN的单个权值,该CNN的输出函数为双曲正切函数,能更准确地模拟生物神经网络中的变化特征。然后,研究了系统的平衡点及稳定性,明确了系统能产生多涡卷可控行为背后的机理。接着,研究了系统的相轨迹图、分岔图、Lyapunov指数谱图等,发现系统中存在振幅控制、极端多稳态行为。为了验证系统的可行性,用常见的分立元件实现了系统的硬件电路。最后,将此系统应用于图像加密中。论文的最后,对全文的研究内容进行了总结,同时对未来的研究工作进行了展望,期待未来在忆阻器实物建模及神经网络混沌系统实现方面取得一些较好的成果。