本程序是以前自己编制的应用wolf方法计算混沌时间序列的lyapunov指数，用C++编写，并编写出matlab接口，生成lyapunov_wolf.dll文件，利用程序中的lyapunov_wolf.m文件就可以在matlab环境下快速计算出最大lyapunov指数。

介绍了lyapunov矩阵方程在系统稳定性和控制中的应用，感兴趣的可以看看

文件包括非线性方程数值计算时常用的lyapunov程序，以duffing方程为例，进行程序计算，可以稍微修改，计算其他方程。

针对一类含有不确定参数的网络控制系统(NCS), 研究网络中存在时延与丢包情况下的鲁棒H_∞控制问题. 构造一个新的Lyapunov-Krasovskii 泛函, 并基于改进的Wirtinger 不等式推导出闭环NCS 渐近稳定且满足H_∞ 性能的充分条件, 该条件能得到比已有文献保守性更小的结果. 给出线性锥补算法以实现次优鲁棒H_∞控制器增益的求解. 最后通过多个数值实例验证了所提出方法的有效性.

以一个五维系统为例，包含相图，时序图，lyapunov指数，分叉图，庞截面

在本文中，我们为一类具有一般发生率f的SIR流行病模型构造了一个后向差分方案。 我们离散化中使用的步长τ是1。 研究了动力学性质（溶液的正性和有界性）。 通过构造Lyapunov函数，一般入射函数f必须满足某些假设，在此前提下，当R0> 1时，我们建立了地方均衡的全局稳定性。 当R0≤1时，也建立了无病平衡的全局稳定性。 另外，根据基本再现数R0的值，我们给出了不同类别的连续和离散模型的数值结果。

为解决Duffing混沌检测系统状态判定的准确性,克服直观相图判定法存在的不足,提出了采用Lyapunov指数定量地判定Duffing混沌检测系统状态的方法。在分析判定方法及Duffing系统中Lyapunov指数算法的基础上,进行了系统仿真和数据分析,结果验证了利用Lyapunov指数判定Duffing系统状态的可行性,从而能有效地应用于微弱信号检测,保证信号检测的可靠性。

资源包含相关研究文献及对应的matlab仿真程序，仅供参考。 本论文构造方法设计二阶迭代滑模面，将航向偏差的镇定转化为对滑模面的镇定，基于Ｌｙａｐｕｎｏｖ理论，推导出系统渐近稳定条件，进而可得到航向控制律。由于控制律中存在未知外界干扰项和系统不确定项，不能直接计算得到，本节将设计两种控制方法。 第一种方法是设计不含系统不确定项和未知外界干扰项的控制律将初步的控制律进一步推导，得到等效迭代滑模控制律，该控制律中设计参数较少，算法处理过程简单。 第二种方法是引入ＲＢＦ神经网络对系统不确定项进行逼近采用自适应控制技 术估计未知外界干扰项的界值，提出神经网络自适应迭代滑模控制律，该控制律能有效 地处理了模型不确定项和海况扰动的影响。

资源包含相关文献及对应的matlab仿真程序，仅供参考。 设计了欠驱动船舶神经网络自适应迭代滑模航向控制器，完成了在船舶部分模型不确定和外界海况未知情况下的航向控制目标。在本章中，基于上述条件，将解决欠驱动船舶的路径跟踪控制问题。由于欠驱动船舶在受到风浪流海洋环境扰动后会产生横向漂移，因此船首必须以与计划航向保持一定角度航行，如果不执行有效的控制，经海洋环境扰动后的欠驱动船舶路径跟踪控制的结果会产生稳态误差。本节结合Ｌｙａｐｕｎｏｖ稳定性条件构造思想，采用Ａｄａｌｉｎｅ单神经元和最小二乘法，提出一种神经元自适应迭代滑模控制器，经ＭＡＴＬＡＢ仿真验证了该控制器的有效性。

利亚普诺夫 一个用于数值积分非线性动力学系统的库。 该库是根据BSD 3-Clause许可证发行的。 文档位于代码中，并位于。 版本3.1.2，2018/7/15 要求 支持C ++ 11的编译器 Boost 1.53或更高版本（boost.python和boost.numeric.odeint） Python 2.7.5或更高版本（包括Python 3.x） 脾气暴躁的 Matplotlib 编译安装 在基本目录中，运行python setup.py install 。 在Windows上，从命令提示符下使用setup.py install 。 有关其他选项，请参见有关模块安装的。 许多系统具有python的并行安装。 这可能会使将编译的求解器链接到Boost库的正确版本变得很棘手。 如果您在使用该工具时遇到任何问题，请给我发送电子邮件或创建github问题，我们将为您提供帮