lyapunov指数总结，有详细的matlab程序

频率解析Matlab代码基于RNN的强化学习框架，可确保稳定的最佳频率 该存储库包含重现以下论文中显示的结果所必需的源代码： 作者：崔文琦和张宝森 华盛顿大学 动机 除了传统的线性下垂控制器以外，基于逆变器的资源的渗透率的提高还为我们提供了电力系统频率调节方面的更多灵活性。 由于具有快速的电源电子接口，与线性控制器相比，基于逆变器的资源可用于实现复杂的控制功能，并可能在性能上带来较大的收益。 通过将参数化为神经网络来发现这些非线性控制器，强化学习已成为一种流行的方法。 基于学习的方法面临的主要挑战是，很难对学习到的控制器强制执行稳定性约束。 另外，电力系统的时间耦合动力学将大大减慢神经网络的训练。 在本文中，我们建议对基于神经网络的控制器的结构进行显式设计，以确保所有拓扑和参数的系统稳定性。 这可以通过使用Lyapunov函数来指导其结构来完成。 基于递归神经网络的强化学习架构用于有效地训练控制器的权重。 最终的控制器仅使用本地信息并优于线性下降，以及仅通过使用强化学习而学习到的策略。 从提出的框架中学到的灵活的非线性控制器 在这里，我们展示了与线性下降控制相比，神经网络控制器的作用

lyapunov_wolf李雅普诺夫算法，要想运行程序，还必须加相空间重构

基于非光滑的类二次型Lyapunov 函数, 对二阶滑模Super-twisting 算法的有限时间收敛性进行了分析. 当系 统受常值干扰时, 通过Lyapunov 方程证明了该算法有限时间收敛, 并给出了收敛时间的最优估计; 当系统受时变干 扰时, 通过求解代数Riccati 方程得出了一组保证该算法有限时间收敛的参数取值范围, 并给出了收敛时间的估计值. 仿真算例表明了理论分析的正确性.

小数据量法计算 Lyapunov 指数的 Matlab 程序 - (mex 函数，超快) Main_LargestLyapunov_Rosenstein1.m 程序主文件1,直接运行此文件即可,Logistic 序列 Main_LargestLyapunov_Rosenstein2.m 程序主文件2,直接运行此文件即可,Henon 序列 Main_LargestLyapunov_Rosenstein3.m 程序主文件3,直接运行此文件即可,Lorenz 吸引子 LorenzData.dll 产生 Lorenz 离散序列 PhaSpaRecon.m 相空间重构 Lyapunov_rosenstein_2.dll Lyapunov 计算主函数

本压缩包里是求解连续型混沌系统的李雅普诺夫指数谱的程序，仿真平台为Matlab。

本压缩包里是求解连续型混沌系统的李雅普诺夫指数谱的程序，仿真平台为Julia+jupyter。

本压缩包里是求解连续型混沌系统的李雅普诺夫指数谱的程序，仿真平台为Dev C++。

本文通过将HP TiO2忆阻器纳入典范的Chen混沌系统中，提出并研究了基于忆阻器的混沌系统。 更精确地，引入具有一些适当边界条件的电荷控制忆阻器模型。 公式化了电荷和通过忆阻器的通量之间的关系，然后将其用作构造的混沌系统中的非线性项。 通过计算Lyapunov指数谱和Lyapunov维数，观察混沌吸引子，分析分叉，证明了忆阻器系统的丰富动力学行为。

针对多包描述线性离散不确定系统, 提出一种在系统状态不可测时的直接约束鲁棒预测控制算法. 将控制 器与观测器综合设计, 利用观测状态直接构造性能指标, 通过求解无穷时域性能指标的最小最大优化问题, 得到系统 的最优状态反馈控制律. 采用参数依赖Lyapunov 函数, 在满足输入和状态约束的情况下保证闭环系统稳定. 仿真结 果验证了算法的有效性.