基于混沌特性的网络流量预测

高速网络中存在着以自相似为特征的多种业务流量,这种自相似特征和混沌现象的吸引子有着紧密的联系。本文基于混沌时间序列重构相空间理论,根据最大Lyapunov指数,分别采用W o lf原始算法和改进算法,对高速网络中自相似信源的速率进行了预测,并给出了最大可预报时间。仿真结果表明,W o lf改进算法预测精度及可靠性更高。     

基于分形理论的混沌信号与噪声分离方法

提出一种分维数和子波重构相结合的混沌信号与噪声分离方法，与以往出现的子波滤波方法和经典滤波方法相比较，该方法有如下特点；利用子波变换计算带观测噪声混沌信号的真实分数维，进而根据观测序列维数与真实维数的差值控制子波重构的参数，构造出混沌与噪声分离的自适应滤波器结构。仿真实验说明了该算法的有效性。     

基于相空间重构的网络流量RBF神经网络预测

应用混沌理论，分析了网络流量，用单变量的网络流量时闯序列重构与网络动力系统等距同构的相空间，进而计算了实际网络的关维数和Lyapunov指数，并证实了网络流量存在混沌特性；据此建立了基于径向基函数（RBF）神经网络的模型，并对实际网络数据流进行了预测。仿真结果表明，相对于其他前馈神经网络预测，基于混沌理论的RBF神经网络预测方法学习速度快，预测精度高。     

气液两相流压差波动信号的混沌特性及Volterra自适应短期预测研究

以空气和水为工质，在直径3.0 mm的水平圆管通道内进行压差波动信号实验研究。根据压差波动信号图及高速工业相机拍摄的流型图，结合相空间重构、Lyapunov指数判别法对压差波动信号进行混沌动力学分析，在其基础上对压差波动信号进行Volterra自适应短期预测。结果表明:混沌分析得到的吸引子图可以更准确地展现管道内气液两相流的流动特性；Volterra自适应短期预测模型可以有效地对管道内气液两相流的压差时间序列进行短期预测，对环状流、层状流、间歇流、段塞流的压差时间序列预测的相对误差分别为1.86%、0.71%、3.90%、2.49%。     

复杂系统混沌行为判别与混沌时间序列的分形建模

提出了以有限维自由度及Lyapunov指数联合分析为判据的复杂系统混沌行为判别方法．避免了判别过程中将纯随机行为及复杂确定性线性行为误判为混沌行为。以球磨机矿浆流量为例,在相空间重构的基础上对系统关联维数进行了分析．验证了系统具有有限维自由度。通过Lyapunov指数分析考察了系统的时空演化特性并验证了系统的初值敏感性,从而分析出该流量具有确定性与随机性相互统一的混沌运动特征。利用Hurst指数通过分形内插算法对流量信号进行了精确重构,建立了一种可准确重演系统时空变化规律的模型．     

瞬态浓度场的熵与混沌特征实验研究

为了探讨瞬态浓度场的熵特征及其是否具有混沌特征,利用基于数字图像处理技术和光学粒子散射理论的瞬态浓度场光学测量系统,获得了浓度场的二维时间和空间湍流信息,运用这些信息首次定量分析了瞬态浓度场的混沌特征,首次提出了浓度场信息熵理论及其非线性度量方法并进行了定量计算。运用实验数据时间序列计算了信息熵以及信息熵和浓度脉动时间序列的嵌入维数、关联维数、Kolmogorov熵和最大Lyapunov指数。结果表明,瞬态浓度场具有低维混沌特征,其脉动信息熵时间序列也是混沌的。     

混沌电路的传感应用

将混沌理论与电路理论相结合，分析了一些能产生混沌的电路，对帐篷映射迭代产生混沌的基本原理和性质进行了研究。并在仿真试验的基础上，设计出一种基于帐篷映射的差分混沌电路。根据混沌的初值敏感性以及输入值和混沌轨道的一一对应性，在理论上提出并论证了利用符号动力学的基本理论度量被测信号的可能性，将混沌电路应用于传感器设计，并成功地完成了基本模型试验，给出了基本的实验数据及其分析，开拓了混沌理论应用的新领域。     

混沌行为预测：一种变型的码本预测方法

利用混沌周期点之全体在其不变集中稠及其不变集的几何结构呈一定程度的自相似性性质,提出了一种变形的码本预测方法,对带和不带观测噪声的混沌时间序列进行预测.在保证精度的前提下,克服了全局非线性化模型和局部线性化模型对噪声敏感及预测时间短的缺点.     

基于混沌时间序列的飞行冲突预测(英文)

为了准确掌握飞行冲突量的变化规律及其准确预测,对飞行冲突的混沌问题进行了研究。首先,基于人-机-环境系统工程理论,建立飞行冲突的故障树,从定性的角度分析了飞行冲突的混沌特性;然后,建立了基于小数据量方法和小波去噪理论的最大Lyapunov指数λmax的改进混合算法,并利用此方法从定量的角度证明了飞行冲突时间序列中混沌现象的存在;最后,利用混沌预测方法对模拟数据进行预测,并通过灰色误差检验方法对预测结果进行评价。检验结果为后验差比值为0.2209<0.35,小误差概率为0.9853>0.95。结果表明该预测方法的有效性。因此,说明应用混沌理论进行飞行冲突分析与预测是可行的。     

基于小波变换的余度敏感器结构故障诊断方法

对于导航系统中余度敏感器结构的故障诊断，本文讨论了基于小波变换的直接比较测量的诊断方法。根据小波变换的时频特性和信号边沿检测的原理，采用小波db5对敏感器的输出信号直接进行六层分解，并在相应分解层上进行重构，根据重构的信号对余度敏感器结构进行故障检测，定位和隔离，仿真结果表明，这种方法不仅可以检测出故障，故障的类型和故障发生的时间，而且灵敏度高，对噪声具有较好的鲁棒性，为余度敏感器结构的故障诊断提出了一种有实用价值的方法。     

Chaotic Characteristic Analysis of Air Traffic System

Chaotic characteristics of traffic flow time series is analyzed to further investigate nonlinear characteristics of air traffic system. Phase space is reconstructed both by time delay which is built through mutual information, and by embedding dimension which is based on false nearest neighbors method. In order to analyze chaotic characteristics of time series, correlation dimensions and the largest Lyapunov exponents are calculated through Grassberger-Procaccia （G-P） algorithm and small-data method. Five-day radar data from the control center in Guangzhou area are analyzed and the results show that saturated correlation dimensions with self-similar structures exist in time series, and the largest Lyapunov exponents are all equal to zero and not sensitive to initial conditions. Air traffic system is affected hy multiple factors, containing inherent randomness, which lead to chaos. Only grasping chaotic characteristics can air traffic be predicted and controlled accurately.     

DC-DC变换器电路混沌现象的仿真研究

以工作在电感电流连续模式下的PWM型降压式DC—DC变换器为研究对象，对其在不同电路参数下的工作行为及其输出特性进行了研究。通过分叉图上的一系列倍周期分叉及V—I相空间图上的一系列周期轨道，揭示了DC-DC变换器由稳态到混沌态的变化规律，从而证明了电路元件参数的变化可导致DC-DC变换器出现混沌行为。本在时域和频域上分别对DC-DC变换器从稳态到混沌态的输出电压特性进行了分析，根据变换器的输出谐波电压从周期—1至混沌态在频域上的变化趋势，得出的结论有助于今后CD—CD变换器的优化设计。     

基于时间序列数据挖掘的旋转机械故障预报

提出一种基于时间序列数据挖掘的故障预报新方法。把故障前兆因子作为一种暂态,根据旋转机械轴承振动的实验数据建立时间序列．利用时延嵌入的方法重构状态空间,在状态空间中使用遗传算法搜寻最优暂态束．组成暂态集。用暂态集对旋转机械轴承振动的测试数据进行分析．判断是否为故障前兆因子．从而实现故障预报。     

子波变换平滑的混沌信号检测

将近几年兴起的子波变换、分形理论应用于带观测噪声混沌信号的检测。基于快速子波变换导出了平滑算子，将其对时序信号进行处理，并根据它在一定的尺度范围内具有标度不变的性质，利用改进的Ｇ－Ｐ算法计算其分数维数，对带有观测噪声的Ｌｏｒｅｎｚ吸引子波的混沌运动进行了检测。实验结果表明，该方法具有较好检测混沌现象的能力。     

高超声速风洞气动力/热试验数据天地相关性研究进展

高温真实气体效应、黏性干扰效应和尺度效应等高超声速流动特性突破了实验气体动力学传统的流动相似模拟准则，使得高超声速流动现象超出了经典气体动力学理论能够准确预测的范围。如何利用地面风洞试验数据预测天上的飞行状态，即天地相关性问题，成为制约新型高超声速飞行器研制与发展的关键性科学问题。本文概述了天地相关性的最新研究进展，并重点介绍了多空间相关理论与泛函智能优化关联方法。多空间相关理论认为，从更高维度空间视角看，不同风洞的试验结果都是内在相关的，而飞行试验可视为理想的风洞试验，所以地面风洞试验数据间的关联规律包含了天地相关性问题。泛函智能优化关联方法基于风洞群（能模拟不同参数区段的不同类型风洞）的试验数据，在泛函空间中利用专业化智能学习算法，从高维度的全参数空间出发，进行降维和自适应空间变换，自动推演出不同风洞共同遵守的不变规律，从而实现风洞试验数据的关联。验证实例和应用实践都表明，多空间相关理论与泛函智能优化关联方法是有效的，是高超声速气动力/热天地相关性研究的一个新方向。