典型混沌系统matlab仿真实现,典型混沌系统的Matlab仿真实现

本文介绍了混沌理论中的Logistic映射、Lorenz系统和Henon映射,并使用Matlab进行了仿真。通过改变参数观察系统行为的变化,展示了从周期状态到混沌状态的过渡。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

引言自20世纪60年代,洛伦兹发现混沌现象以来,混沌理论研究一直受到普遍的关注。随着混沌研究的不断发展,人们开始把目光聚焦在控制混沌和利用混沌的研究上。控制和利用混沌的研究都是基于一些典型的混沌系统来进行的。因此,对这些混沌系统进行研究及Matlab仿真是非常必要的,可以为进一步研究混沌系统及控制和利用混沌提供简便的程序方法。1Logistic映射Logistic映射,在19世纪中叶由荷兰生物学数学家Verhulst提出,表达式为:xn+1=xn(1-xn)(xn[0,1],[0,4],n=0,1,…)(1)对于每个确定的m,可以得到相应的一系列x0,x1,…,xn。通过对取值的讨论,我们不难看出:当0<1时,系统动力学形态非常简单,只有一个周期点x0=0;当1<<3时,系统动力学形态也比较简单,有两个周期点0,;当34时,系统动力学形态十分复杂,系统由倍周期通向混沌。下面用Matlab对Logistic映射进行仿真。设系统初值为0.6,迭代200次,分别选取=0.5、2、3.2、3.6、4,用matlab编程仿真,画出对应不同时的xn。Matlab仿真程序如下:clearall;closeall;图1.1Logistic映射mu=0.5;x=0.6*ones(1,200);forn=1:200x(n+1)=mu*x(n)*(1-x(n));endplot(x(1,:),'k','markersize',10);xlabel('n');ylabel('x(n)');title('logistic(mu=0.5)');得到的仿真结果:(图1.1)进一步研究m的不断变化对系统的影响。设系统初值为0.6,对m从2.6变化到4,画出Logistic迭代的极限形态图,如图1.2所示,随着m的变化,系统的动力学形态不断变化,最后出现混沌状态。Matlab真程序如下:mu=2.6:3e-4:4;k=length(mu);x=linspace(0.6,0,k);forn=1:kx(n+1)=mu(n)*x(n)*(1-x(n));plot(mu,x(1,:),'k.');xlabel('mu');ylabel('x(n)');end2Lorenz系统混沌的最早实例是由美国麻省理工学院的气象学家Lorenz在1963年研究大气运动时描述的。他提出了著名的Lorenz方程组:(2)设系统初始状态为[-1,0,1],=16,b=4,r=45.92,迭代10000次,对系统进行仿真,得到系统相图如图2所示。Matlab仿真程序如下:sigma=16;b=4;r=45.92;y=[-1,0,1];h=0.01;z=LorenzData(y,h,10000,sigma,r,b);z=z(1:end,:);X=z(:,1);Y=z(:,2);Z=z(:,3);plot3(X,Y,Z);xlabel('x');ylabel('y');zlabel('z');3Henon映射1976年,法国天文学家Henon从研究球状呈团以及Lorenz系统中得到启发,利用数值方法研究了迭代映射(3)一般的Henon映射模型为:(4)当(4)中=1.4,b=0.3,x0=y0=0.4时,系统产生混沌。取初值为x0=y0=0.4,=1.4,b=0.3,进行10000次迭代,画出系统的形态图,如图3所示。Matlab仿真程序如下:a=1.4;b=0.3;x(1)=0.4;y(1)=0.4;fori=1:10000x(i+1)=1-a*x(i)^2+y(i);y(i+1)=b*x(i);endplot

1、该工具箱包括了混沌时间序列分析与预测的常用方法,有: (1)产生混沌时间序列(chaotic time series) Logistic映射 - \ChaosAttractors\Main_Logistic.m Henon映射 - \ChaosAttractors\Main_Henon.m Lorenz吸引子 - \ChaosAttractors\Main_Lorenz.m Duffing吸引子 - \ChaosAttractors\Main_Duffing.m Duffing2吸引子 - \ChaosAttractors\Main_Duffing2.m Rossler吸引子 - \ChaosAttractors\Main_Rossler.m Chens吸引子 - \ChaosAttractors\Main_Chens.m Ikeda吸引子 - \ChaosAttractors\Main_Ikeda.m MackeyGLass序列 - \ChaosAttractors\Main_MackeyGLass.m Quadratic序列 - \ChaosAttractors\Main_Quadratic.m (2)求时延(delay time) 自相关法 - \DelayTime_Others\Main_AutoCorrelation.m 平均位移法 - \DelayTime_Others\Main_AverageDisplacement.m (去偏)复自相关法 - \DelayTime_Others\Main_ComplexAutoCorrelation.m 互信息法 - \DelayTime_MutualInformation\Main_Mutual_Information.m (3)求嵌入维(embedding dimension) 假近邻法 - \EmbeddingDimension_FNN\Main_FNN.m Cao方法 - \EmbeddingDimension_Cao\Main_EmbeddingDimension_Cao.m (4)同时求时延与嵌入窗(delay time & embedding window) CC方法 - \C-C Method\Main_CC_Luzhenbo.m (5)求关联维(correlation dimension) GP算法 - \CorrelationDimension_GP\Main_CorrelationDimension_GP.m (6)求K熵(Kolmogorov Entropy) GP算法 - \KolmogorovEntropy_GP\Main_KolmogorovEntropy_GP.m STB算法 - \KolmogorovEntropy_STB\Main_KolmogorovEntropy_STB.m (7)求最大Lyapunov指数(largest Lyapunov exponent) 小数据量法 - \LargestLyapunov_Rosenstein\Main_LargestLyapunov_Rosenstein1.m \LargestLyapunov_Rosenstein\Main_LargestLyapunov_Rosenstein2.m \LargestLyapunov_Rosenstein\Main_LargestLyapunov_Rosenstein3.m \LargestLyapunov_Rosenstein\Main_LargestLyapunov_Rosenstein4.m (8)求Lyapunov指数谱(Lyapunov exponent spectrum) BBA算法 - \LyapunovSpectrum_BBA\Main_LyapunovSpectrum_BBA1.m \LyapunovSpectrum_BBA\Main_LyapunovSpectrum_BBA2.m (9)求二进制图形的盒子维(box dimension)和广义维(genealized dimension) 覆盖法 - \BoxDimension_2D\Main_BoxDimension_2D.m - \GeneralizedDimension_2D\Main_GeneralizedDimension_2D.m (10)求时间序列的盒子维(box dimension)和广义维(genealized dimension) 覆盖法 - \BoxDimension_TS\Main_BoxDimension_TS.m - \GeneralizedDimension_TS\Main_GeneralizedDimension_TS.m (11)混沌时间序列预测(chaotic time series prediction) RBF神经网络一步预测 - \Prediction_RBF\Main_RBF.m RBF神经网络多步预测 - \Prediction_RBF\Main_RBF_MultiStepPred.m Volterra级数一步预测 - \Prediction_Volterra\Main_Volterra.m Volterra级数多步预测 - \Prediction_Volterra\Main_Volterra_MultiStepPred.m (12)产生替代数据(Surrogate Data) 随机相位法 - \SurrogateData\Main_SurrogateData.m
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值