基于被囊群优化的RBF神经网络的混沌控制方法技术

本发明专利技术提供了一种基于被囊群优化的RBF神经网络的混沌控制方法,利用不依赖于被控目标精细模型的RBF神经网络设置混沌控制器的,并利用被囊群优化算法来优化设计混沌控制器的过程参数。通过对系统可控制参数进行小干扰,达到产生预期周期动作的目的。针对不同的预期目标,能够在很短的时期内于一定的目标周期轨迹上实现探索与稳定,同时降低了控制器对人工干涉的依赖性。干涉的依赖性。干涉的依赖性。

【技术实现步骤摘要】
基于被囊群优化的RBF神经网络的混沌控制方法


[0001]本专利技术涉及一种基于被囊群优化的RBF神经网络的混沌控制方法。

技术介绍

[0002]碰撞振动现象已经普遍存在于现在的实际工程
当中。在土木,机械, 宇航等领域,都出现一些由间隙造成的冲击振动。这样反复的撞击动作会造成现代机械设计中的一些部分区域发生系统的疲劳破坏,甚至导致系统出现不平衡的动作,危及系统运行安全。所以,针对工程实践中的实际需要,对碰撞振动系统中的混沌过程加以有效控制,可以实现该类系统的平稳动态行为,从而降低了因其不平稳动态行为而带来的无谓的经济损失,并延长设备的使用寿命是十分必要并富有现实工程效益的。
[0003]分岔和混沌是非线性问题中普遍存在的现象。它们是一种复杂的动力学行为。如果某个动力系统是结构不稳定,任意一点波动都会引起系统的结构突变, 这种变化叫做分岔。
[0004]碰撞振动系统的混沌运动是非线性系统特有的一种动力学性态。现有混沌控制方法参数调整控制法与反馈控制法已经不仅是一种非常成熟而且应用广泛的控制方法。但是缺陷在于:如果控制系统需本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于被囊群优化的RBF神经网络的混沌控制方法，其特征在于，包括：构建系统力学模型,通过Poincare截面研究和确定含间隙碰撞振动体系中的混沌运动情况；采用RBF神经网络设计的混沌控制器,并构造适应度函数；通过被囊群优化算法调整RBF神经网络参数。2.如权利要求1所述的基于被囊群优化的RBF神经网络的混沌控制方法，其特征在于，构建系统力学模型,通过Poincare截面研究和确定含间隙碰撞振动体系中的混沌运动情况，包括：通过数值仿真Poincare截面上的混沌吸引子来研究系统的运动特性，即如果Poincare截面表现为一点，且系统的状态量在相空间的轨迹上表现为一条极环时，就表明系统在做极限环运动；如果Poincare截面上只有一个点或只有少数混沌吸引子，且系统的状态量在相空间的轨迹表现为一条或多个闭合的曲线时，则系统在做周期运动；如果Poincare截面上有无数个混沌吸引子，且这些混沌吸引子都沿着一条封闭的曲线呈现时，系统在做准周期运动；如果在Poincare截面上呈现成片并且带有分形特征结构的密集点，同时系统的状态量在相空间的轨迹表现为杂乱无序且不重叠也不互交的稠密轨道时，系统处于混沌运动状态。3.如权利要求1所述的基于被囊群优化的RBF神经网络的混沌控制方法，其特征在于，采用RBF神经网络设计的混沌控制器,并构造适应度函数，包括：基于参数反馈混沌控制法的基本原理调节混乱运动,即采用RBF神经网络混沌控制器,产生一个个小干扰产生给整个系统的可控参,再经过对系统可控制参进行动态的微幅调节,进而把混乱运动调节至理想的周期运动。RBF神经网络是分为输入层、隐层和输出层的3层结构，在设计基于RBF神经网络混沌控制器时，根据混沌运动控制目标，控制器的输入定义为：将能够反映系统趋近于稳定的周期1－1运动趋势的k次迭代后Poincare截面上的投影点与系统经k－1次迭代后Poincare截面上的投影点间的距离(即d(k)＝X(k)
‑
X(k
‑
1))、以及系统经k－1次迭代后Poincare截面上的投影点与系统经k－2次迭代后Poincare截面上的投影点间的距离，即d(k
‑
1)＝X(
‑
1k)
‑
X(k
‑
2)，把系统激励频率或阻尼系数的微幅调整量，即控制器输出小扰动量施加于系统的一个可控参数作为控制器的输出。4.如权利要求1所述的基于被囊群优化的RBF神经网络的混沌控制方法，其特征在于，通过被囊群优化算法调整RBF神经网络参数，包括：被囊群优化算法采用两种策略来更真实地模拟海洋中被囊动物群体觅食行为为喷气推进行为和群体行为。5.如权利要求4所述的基于被囊群优化的RBF神经网络的混沌控制方法，其特征在于，包括：步骤1、建立单自由度含间隙碰撞振动系统的...

【专利技术属性】
技术研发人员：卫晓娟，陶幸，李宁洲，周方伟，
申请(专利权)人：上海应用技术大学，
类型：发明
国别省市：