烟气羽流时空混沌行为的耦合映象格子模型研究

为研究烟气羽流的时空混沌行为,本文从烟气羽流的N-S动量方程出发,根据浮力羽流的半经验公式,对方程中相应的项进行替代、化简,然后无量纲化,得到了以烟气羽流的动量通量m为系统状态矢量的单向耦合映象格子模型.计算了不同参数变化时,耦合周期窗口的时空行为发展,并且进行了李雅普诺夫指数λ计算.分析表明,开放系统中的烟气羽流会出现形态的多重性,包括时空混沌行为.这是由于烟气羽流系统内各种非线性作用的相互影响,也就是方程粘性项、浮力项和惯性项作用强弱对比的变化,以及系统行为发展的不可逆性所导致.     

基于非线性技术锅炉故障分析*

为预测和判断锅炉故障的发生，完善锅炉故障检测技术，基于锅炉运转具有非线性特点，提出将非线性评价指标应用于锅炉故障诊断。研究特征信号的非线性特性，通过确定延迟时间和嵌入维数来重构相空间；采用混沌分形理论研究非线性评价指标；提取最大Lyapunov指数和关联维数，并为收集的每种特征信号选择最合适的非线性指标。结果表明:蒸汽压力的非线性特征指标应选择关联维数，烟气温度1、烟气温度2、水管温度1和水管温度2的非线性特征指标应当选择最大Lyapunov指数。     

混沌理论在河流溶解氧预测中的应用初探

基于混沌理论、相空间重构思想和嵌入理论分析涟水流域溶解氧的时间序列，计算吸引子维数和最大的Lyapunov指数，研究河流水质系统的复杂性特征。结果表明，河流溶解氧时间序列具有混沌特性，其外在表现为貌似随机的无规则特点；但系统本身内在的、固有的规律(表现在最大的Lyapunov指数)，表明短期预测河流水质变化是可行的，并应用混沌相空间模线性回归模型进行了预测，其预测结果对涟水流域的水质管理和控制具有一定的参考价值。     

基于最大Lyapunov指数分析的尾矿坝浸润线控制混沌方法

为了改善尾矿坝浸润线状况，提出了一种控制混沌方法。该方法对时间序列叠加一个周期振动，通过最大Lyapunov指数分析，来判别叠加前后系统混沌特性的变化，进而实现控制混沌。应用这种方法，分析了银山铅锌矿尾矿坝浸润线实测数据。结果表明，叠加周期振动可以降低最大Lyapunov指数。最大Lyapunov指数的降低程度与振动周期成负相关，与振幅成正相关。采用控制混沌方法，即对尾矿排放、库水位调节、排渗、不同尾矿库的使用等措施进行周期性控制，可以提高尾矿坝安全度，实现尾矿坝科学管理。中还以防洪高度为例，具体分析了尾矿坝工程中的控制混沌，表明该方法在应用上是可行的。     

基于混沌时间序列分析的感光式火灾识别算法

采用混沌时间序列分析法对煤油和木材两种燃料的火焰信号进行了分析,通过主分量分析证明火焰信号属于混沌时间序列,煤油火焰、木材火焰和熄火信号的二维相平面图有明显的差异,它们的关联维和最大Lyapunov指数等混沌特征量的变化范围有所不同.该文通过数据挖掘,提出采用关联维判别火焰是否存在,同时配合最大Lyapunov指数判别燃料种类.所提出的火灾识别方法对发展感光式火灾探测器有一定的指导意义.     

工业事故演变混沌特性研究

混沌与随机是本质上不同的两种特性.区分产生工业事故演变系统的混沌性和随机性是进行工业事故模拟和预测的基础.本文通过对工业事故演变特性进行分析,初步结果表明,工业事故演变具有混沌动力系统的一些特征,提出通过相空间重构及Lyapunov指数来判定工业事故演变的混沌特性.     

基于高阶递归神经网络的AUV鲁棒控制方法

目的 提出一种基于高阶递归神经网络的AUV鲁棒控制方法。方法 利用结构简单但逼近效果优越的高阶递归神经网络,对建模不确定性和外部未知干扰进行估计,并将其补偿到输入控制律中,以提高控制性能。之后,基于HJI理论和Lyapunov稳定性分析导出神经网络权重自适应更新律和AUV自适应控制律,设计反步滑模方法作为对比方法,并进行仿真实验。结果 设计的基于高阶递归神经网络的AUV鲁棒控制方法的跟踪误差、调节时间等控制指标均优于反步滑模方法。设计的鲁棒控制方法可以控制AUV精确跟踪目标轨迹,同时具有优秀的控制性能和鲁棒性。结论 这一研究为AUV轨迹跟踪控制领域提供了一种高效且有效的方法,有望在复杂、不确定的水下环境中得到应用。     

汶川大地震余震等待时间序列——基于混沌理论的研究

根据混沌理论,对汶川大地震余震等待时间通过相空间重构,应用互信息法、Cao方法确定出重构参数,并分别计算了该序列的关联维、最大Lyapunov指数以及Kolmogorov熵等特征量。结果表明汶川大地震余震等待时间序列中存在明显的混沌特性,是非线性混沌动力系统演化的结果;并对余震等待时间序列的混沌性态及其产生的根源进行了简单的探索。研究结果可进一步研究汶川大地震余震等待时间序列的复杂性、演化规律及预测参考。     

An application of the theory of kinematics of mixing to the study of tropospheric dispersion

The most common technique used for numerical simulations of tracer mixing is that of the numerical solution of the advection–diffusion equation with the unresolved fluxes parameterized using the similarity theory. Despite correct predictions of the overall directions of transport, models based on a numerical solution of the advection–diffusion equation lack sufficient accuracy to correctly reproduce the coupling of mixing with small scale processes which are sensitive to the microstructure of the tracer distribution. The objective of this paper is to revisit the basic formalism employed in numerical models used to investigate atmospheric tracers. The main mathematical method proposed here is the theory of kinematics of mixing which could be applied effectively for simulations of atmospheric transport processes. At the beginning of the paper, we introduce simple mathematical transformations in order to demonstrate how complex topological structures are created by mixing processes. These idealistic flow systems are essential to explain transport properties of much more complex three-dimensional geophysical flows. An example of the application of the kinematics of mixing to the analysis of tracer transport on a planetary scale is presented in the following sections. The complex filamentary structures simulated in the numerical experiment are evaluated using some commonly applied statistical measures in order to compare the results with the data published in the literature. The results of the experiment are also analysed with the help of simple conceptual models of fluid filaments. The microstructure of the tracer distribution introduced in the paper is essential to increase our understanding of atmospheric transport and to develop more realistic parameterizations of small-scale mixing. The presented results could also be used to improve calculations of the coupling between microphysical processes and tracer mixing.     

月径流时间序列的混沌特性分析

研究根据混沌理论,分别采用功率谱分析方法、G-P关联维识别合水水库月径流量的混沌特性,并且得出主要的混沌特性指标.以Tanks嵌入定理为理论基础,进行短期预测,能够取得精度较高的预测结果.研究表明:月径流序列存在一定的混沌特性,其最小嵌入维数在m=8对应的吸引子维数D=-0.95,最大李雅谱诺夫指数σ=0.325,采用加权一阶权域方法预测时,预测最大时限为4个月,其预测精度均在5%以内.