【摘 要】
:
混沌是由确定性系统内在原因而产生的一种外显的、貌似无规则的复杂行为,最重要的特点是对系统初始值和参数的极端敏感性,这一特点使其在保密通信和图像加密等领域有着巨大的潜在应用。混沌信号能够由非线性电路产生,具有实际应用价值。多涡卷混沌系统产生的混沌信号表现出更加复杂的动力学特性,从而多涡卷混沌系统具有更好的应用潜力。因此,关于多涡卷混沌系统的研究及其电路实现受到了大量研究者的关注。目前耗散混沌系统主要
论文部分内容阅读
混沌是由确定性系统内在原因而产生的一种外显的、貌似无规则的复杂行为,最重要的特点是对系统初始值和参数的极端敏感性,这一特点使其在保密通信和图像加密等领域有着巨大的潜在应用。混沌信号能够由非线性电路产生,具有实际应用价值。多涡卷混沌系统产生的混沌信号表现出更加复杂的动力学特性,从而多涡卷混沌系统具有更好的应用潜力。因此,关于多涡卷混沌系统的研究及其电路实现受到了大量研究者的关注。目前耗散混沌系统主要分为自激吸引子系统和隐藏吸引子系统,自激吸引子系统的多涡卷化大家研究较多,而对隐藏吸引子混沌系统的多涡卷化关注较少。本文主要研究隐藏吸引子的多涡卷化及其混沌同步。利用理论分析、数值仿真、电路设计和制作实际电路的方法,重点研究了三种不同类型的隐藏吸引子混沌系统的多涡卷化。具体研究内容如下:(1)使用sigmoid函数构造多级脉冲函数,将构造的脉冲函数加入相应的系统方程中,实现混沌吸引子的多涡卷化:1)具有稳定平衡点的隐藏吸引子混沌系统,引入构造的多级函数,扩展了稳定平衡点的个数,但是并不影响其稳定性,增加了隐藏吸引子的涡卷数;2)无平衡点的隐藏吸引子混沌系统,加入构造的多级函数,不改变系统方程平衡点的数量,改造后的系统依然不存在平衡点,实现无平衡点隐藏吸引子混沌系统的多涡卷化;3)无平衡点的隐藏吸引子超混沌系统,加入构造的多级函数,不改变系统方程平衡点的数量,改造后的系统依然不存在平衡点,实现无平衡点隐藏吸引子超混沌系统的多涡卷化。(2)与传统用来产生多涡卷混沌吸引子的函数相比,sigmoid函数光滑、连续,因而更易于模拟电路的实现。本文以四维无平衡点隐藏吸引子混沌系统为例,利用指数电路、除法电路、求和电路等模块设计了单方向上的多涡卷混沌电路,并用硬件电路加以实现,数值仿真结果、Multisim电路仿真结果和电路测试结果完全一致。(3)研究不同类型隐藏吸引子系统的混沌同步。根据自适应的控制方法和Lyapunov稳定性定理,提出一种操作高效、简单、稳定的同步方案。根据这种方案研究结构相同的隐藏吸引子混沌系统间的同步和结构不同的隐藏吸引子混沌系统间的同步。并在Matlab平台上,验证了所设计同步方案的可行性,这种方法的确可以实现隐藏吸引子混沌系统的同步。
其他文献
随着全球能源结构的不断优化调整,中国开始将清洁能源作为重点发展对象。电能作为一种高效的清洁能源,有望在未来可以逐渐取代传统化石能源在社会中占据的主导地位。据统计,对于电能的消耗大部分都是通过电机来完成。永磁同步电机(PMSM)凭借其机械效率高、功率密度大、动态响应快、以及较强的带负载能力等优点,逐渐取代了传统感应电机。PMSM在工业控制领域尤其是高精度伺服数控机床、机器人、无人机等领域得到了广泛应
电能是全世界应用最广泛的能源,而电能的合理使用是创造生态文明的重要一环。近些年,由于用电量急速增长,导致了电网高峰负荷的饱和。而居民用电是电网高峰负荷乃至尖峰负荷的重要组成,且集中性是其所具有的特有性质,从而影响电网的稳定运行。智能用电可利用潮流调控、分时电价等方法,减小楼宇电能消耗,实现削峰填谷和负荷转移。负荷监测测是实现智能用电的重要一环,通过负荷监测,各电器耗电情况能被用户及时了解,用户可主
自从2004年石墨烯问世以来,越来越多的二维材料被人们发现并广泛研究。其中一种新兴的二维材料硒化锗(Ge Se),表现出优异的光吸收和响应能力,使其在光电探测领域展现出良好的发展前景。但Ge Se较高的电子-空穴复合率成为进一步增强其光电转换性能的制约因素。本工作利用石墨烯的高载流子迁移率通过构建石墨烯与Ge Se异质结,实现了Ge Se材料光生载流子复合率的有效降低,实验结果表明相对于纯Ge S
随着电力系统的快速发展和持续转型升级,新能源并网、电力电子装置和新型负荷接入比例增加,电力系统朝多能源、多网络、多主体相结合的趋势演变,为电力系统创造巨大社会经济效益的同时,也给系统带来了诸多随机因素,大量随机因素接入电力系统,增加了系统运行特性的复杂性,使电力系统安全与稳定面临新的挑战。同时,随着电力系统安全运行压力与可靠性要求的增加,对提高电力系统安全稳定运行提出了更高的要求。因此,为揭示随机
图像作为记录和传递信息的重要媒介,被广泛应用于人工智能领域。然而在采集过程中,不可避免地会受到镜头抖动或物体运动的影响而导致图像产生模糊,不利于图像的进一步利用。因此,怎样将模糊图像恢复为清晰图像成为了亟需解决的问题。深度学习方法凭借其强大的特征表达能力,正在成为图像去模糊任务的首选工具。本文通过分析不同尺度下模糊图像的特征,对模糊区域进行有效定位,并融合多尺度信息来提升模型的去模糊性能,主要工作
人类在观看某一视觉场景时,人眼受到视觉注意机制(Visual Attention Mechanism,VAM)的调控往往能够迅速的定位于自身的感兴趣区域(Region of Interest,ROI),使大脑优先对感兴趣区域的视觉信息进行更高层次的分析和处理,从而高效地获取期望的信息。如果能够有效建模人类的视觉注意机制,并应用于现今的计算机视觉领域,计算机图像处理算法将实现类人的图像场景理解,高效