复杂非线性系统中的混沌第三章
非线性动力学中的混沌与分岔现象

非线性动力学中的混沌与分岔现象混沌现象的介绍混沌现象是非线性动力学中一个重要的研究课题,它描述了一种似乎随机的、无规律可循的运动状态。
在混沌现象的研究中,人们发现了一些特征,如灵敏依赖于初始条件、无周期运动和封闭轨道等。
混沌现象的研究对于理解自然界中的复杂系统行为具有重要的意义。
混沌现象最早是由美国数学家Edward Lorenz于20世纪60年代发现的。
他在研究气象学中的大气运动方程时,意外地发现了不确定性的现象。
这个发现被称为“蝴蝶效应”,即当一个蝴蝶在巴西振动翅膀时,可能引发一系列的气流变化,最终导致美国得克萨斯州的一个龙卷风的形成。
这个例子说明了混沌现象中初始条件的微小变化可能引起系统运动的巨大变化。
混沌现象的数学表示混沌现象可以用一些非线性动力学方程描述。
这些方程通常包含了一些非线性项,使得系统的演化不再是简单的线性叠加。
一个经典的混沌系统方程是Lorenz方程:\\frac{{dx}}{{dt}} = \\sigma(y - x),\\frac{{dy}}{{dt}} = x(\\rho - z) - y,\\frac{{dz}}{{dt}} = xy - \\beta z其中,x、y和z是系统的状态变量,t是时间。
σ、ρ和β是一些常数,它们决定了系统的性质。
这个方程描述了一个三维空间中的运动,这种运动就是混沌现象。
分岔现象的介绍分岔现象是混沌现象的一个重要特征,它描述了系统参数发生微小变化时,系统行为的剧烈变化。
简单来说,分岔现象就是系统从一个稳定的演化状态变成多个稳定状态的过程。
分岔现象的经典例子是Logistic映射。
Logistic映射是一种常用的非线性映射,它用于描述生物种群的增长。
Logistic映射的公式为:x_{n+1} = r \\cdot x_n \\cdot (1 - x_n)其中,x_n是第n个时刻的种群密度,x_{n+1}是下一个时刻的种群密度,r是系统的参数,它决定了种群的增长速度。
混沌动力学导论第3章

第三章摆动力学的可视化描述VISUALIZATION OF THEPENDULUMˊS DYNAMICS3-0 摆的数学描述和计算机仿真:3-1对初始条件的敏感性:3-2 摆的相图和蓬加莱截面:3-4 时间序列和功率谱3-5 吸引盆:3-6分岔图(Bifurcation diagrams)3-0摆的数学描述和计算机仿真:在这一节我们将讨论下面4个问题:1、驱动摆(driven pendulum)的运动方程:2、产生混沌运动条件。
3、参数改变对驱动摆运动发生的影响。
4、一个有趣的问题。
1、驱动摆的运动方程:摆的运动是一个十分古老的问题。
物理学、数学都作了大量的研究,但它仍然是最具魅力的研究课题。
首先我们写出驱动摆(driven pendulum ,也叫做“强迫振动摆”)的运动方程://sin cos d dt q g ωωθφ=--+/d dt θω= (3-1) /D d dt φω=方程组(3-1)中有3个状态变量:θ—摆的角位移(angular displacement ); ω—摆的角速度(angular velocity ); φ—驱动力的相位角(drive phase angle )。
因此它的轨线在3维相空间描绘。
方程(3-1)中也有3个参数:q —阻尼系数(damping factor );g —驱动力幅值(driving force amplitude ); D ω—驱动力角频率(angular drivefrequency)。
同时考虑3个参数来研究驱动摆的性态,也就是说,在3维相空间和3维参数空间内考察摆的形态,将是一个十分困难、实际上不可能完成的任务。
我们把ωD固定,选择少数几个q值,让g 值在一定的区间充分变化,以观察系统的性态。
(在Appendix B(Page 207, Listing 4)中有描述摆运动的计算机程序(Title: Motion),可供参考。
)2、产生混沌运动的条件:产生混沌的必要条件有2条(See: Page 2):(1)系统至少要有3个独立的动力学变量;(2)系统至少要有1项包含了几个动力学变量的非线性项。
流体的非线性变形和混沌现象

流体的非线性变形和混沌现象流体是一种具有特殊性质的物质,它的变形和流动过程中存在着一些非线性现象和混沌行为。
这些现象在流体力学研究中具有重要的意义,对了解流体的行为和性质起着重要的作用。
本文将从流体的非线性变形和混沌现象两个方面进行探讨。
一、流体的非线性变形在流体的力学性质中,非线性变形是一种重要的现象。
传统的弹性体力学理论主要研究线性弹性体的变形行为,即物体在受力作用下的变形与所受力的关系呈线性关系。
但是,在某些情况下,流体的变形行为不遵循线性关系,就会出现非线性变形。
非线性变形的一个典型例子是黏弹性流体。
黏弹性流体是介于固体和流体之间的一种特殊物质,它在受力时既有像固体一样的弹性变形,又有像流体一样的黏性流动。
黏弹性流体的变形行为往往不符合线性弹性体力学的规律,而是表现为非线性的力学特性。
这种非线性变形的黏弹性流体在工程和生物领域有广泛应用,例如在高分子材料的合成加工和生物细胞的力学特性研究中。
此外,液滴的变形行为也是一种典型的非线性现象。
当一个液滴受到外部作用力时,其形状会发生变化,但这种变形不一定与作用力成线性关系。
液滴的变形行为受到表面张力、粘性阻力和物体间的相互作用等因素的影响,使得变形过程呈现出非线性特性。
这种非线性变形的液滴行为在微流体技术和液滴微操控领域具有重要应用,例如在微液体透镜的制备和微流控芯片的设计中。
二、流体的混沌现象混沌是一种看似无序却又有规律的行为,它在流体力学中也常常出现。
混沌现象指的是一种在非线性系统中非常敏感于初始条件的长期行为,即微小的扰动可能会引起系统的巨大变化。
流体作为一种复杂的非线性系统,在流动过程中常常表现出混沌的行为。
一个经典的流体混沌现象是雷诺数的变化引发的流动状态的转变。
雷诺数是描述流体流动性质的重要参数,当雷诺数超过一定的临界值时,流动状态会发生剧变,由层流变为湍流。
这种由层流到湍流的转变过程中,流体流动呈现出复杂、无规律的混沌行为。
混沌现象的出现导致了流体力学的难题,也为流体力学研究提供了新的视角和挑战。
详解非线性动力学的混沌和复杂性

详解非线性动力学的混沌和复杂性非线性动力学是一门研究非线性系统行为的学科,在这门学科中,混沌和复杂性是两个习惯性使用的术语。
混沌指的是非线性系统的表现极其高度不稳定和难以预测,而复杂性则指的是系统中的各个部分之间相互影响并产生的多种自组织现象。
这篇文章将更加详细地解释混沌和复杂性的概念以及它们在非线性动力学中的应用。
一、混沌的概念在非线性动力学研究中,混沌通常用于描述非线性系统的性质。
混沌行为的表现形式很多,其中最常见的现象是所谓的“无限迭代”。
在数学上,无限迭代意味着函数值的变化是在一个短时间内不断变化,并且难以预测。
某些非线性系统的动力学方程式就是无限迭代的。
一个经典的例子是“洛伦兹吸引子”(Lorenz attractor)。
该吸引子是由爱德华·洛伦兹在20世纪60年代概括出来的,他以一种简单的三维微分方程作为基础。
虽然该方程式在形式上非常简单,但它却表现出了高度不稳定、难以预测的行为表现形式。
也就是说,任何初始状态的微小变化都会导致最终结果完全不同的结论,因此在实际应用中非常难以精确预测。
二、复杂性的概念除了混沌之外,非线性动力学还以其复杂性而著名。
复杂性的概念可以追溯到20世纪40年代,但其实质在于多个元素之间的相互作用和组织。
例如,一个降雨系统可能会受到多个独立的天气系统的影响,它需要在这些不同的系统中寻找一条路径,以便让雨水流向正确的方向。
这个过程需要同时考虑外部环境、降雨规律、地形和土地使用等多方面因素。
在非线性动力学中,一个复杂系统的行为不仅受到其各个组成部分的属性所决定,还受到它们之间的相互作用和反馈机制所影响。
更进一步,这种相互作用可以导致系统一些非常有趣的自组织现象出现。
例如,人工神经网络可以通过逐层逼近降低误差来学习和识别各种类型的信息,而无需显式编程或指令。
三、非线性动力学和实际应用混沌和复杂性的理论虽然很有趣,但是它们在实际的应用中也具有非常广泛的应用价值。
非线性混沌动力系统的鲁棒性分析

非线性混沌动力系统的鲁棒性分析第一章:引言随着科学技术的不断进步,非线性动力系统成为重要的研究领域之一。
非线性动力系统在物理、化学、生物、经济等不同领域中都有广泛的应用和研究,在工程技术中也有着重要的地位。
混沌现象作为非线性动力系统中的特殊现象,更是吸引了许多学者的关注。
然而,非线性混沌动力系统中存在着许多不确定性和扰动,这些都会对系统的稳定性和可控性造成影响。
因此,深入研究非线性混沌动力系统的鲁棒性分析具有重要的理论和实际意义。
第二章:非线性混沌动力系统的基本概念2.1 非线性动力系统非线性动力系统是指系统中存在着非线性关系,在系统中存在着各种因素的相互作用和相互影响,导致系统的运动规律具有不可预测性和复杂性。
2.2 混沌现象混沌现象是指系统运动的非周期性和无序性,系统的初始条件稍有变动,都会导致系统的演化结果截然不同。
2.3 鲁棒性鲁棒性是指系统在面临外界干扰或者不确定性的情况下,能够保持稳定的性质。
非线性混沌动力系统的鲁棒性分析是针对系统中存在的各种不确定性和干扰,研究系统的稳定性和可控性。
第三章:非线性混沌动力系统的鲁棒性分析方法3.1 鲁棒控制方法鲁棒控制方法是指在系统受到外界扰动和不确定性时,通过控制系统的状态变量来保证系统的稳定性和可控性。
鲁棒控制方法在非线性混沌动力系统中具有广泛的应用,常用的方法包括自适应控制、反馈线性化控制、滑模控制等。
3.2 鲁棒分析方法鲁棒分析方法是指在非线性混沌动力系统受到外界扰动和不确定性时,通过对系统的鲁棒性进行分析,来研究系统的稳定性和可控性。
鲁棒分析方法主要包括基于Lyapunov稳定性理论的方法、基于能量函数的方法等。
第四章:非线性混沌动力系统的鲁棒性分析案例研究4.1 Van der Pol混沌电路的鲁棒性分析Van der Pol混沌电路是一种广泛应用于电子电路的非线性混沌系统,具有较高的实际意义。
在该混沌电路中应用反馈线性化控制方法进行鲁棒性分析,通过对系统的状态变量进行控制,使系统在外界扰动和不确定性的情况下保持稳定。
复杂系统中的混沌理论

复杂系统中的混沌理论随着科技的发展和人们对自然现象的深入研究,有些自然现象被发现是具有一定规律性的,但又有不可预测的性质,这就是混沌现象。
混沌现象在许多自然现象中都会出现,如天气、流体力学、生态系统、股市等,今天我们就来深入研究一下复杂系统中的混沌理论。
一、什么是混沌理论?混沌理论,又称为混沌动力学,是一种研究非线性系统的数学理论。
非线性系统是指系统的输出不随着输入的线性变化而发生的系统,也就是说,非线性系统具有输入输出之间的非线性关系。
而混沌现象就是非线性系统中的一种行为。
混沌现象表现为一种看似无规律但又具有一定规律性和重复性的现象。
混沌理论在20世纪60年代末和70年代初才被发现和研究。
研究混沌现象需要使用复杂的数学方法,如微积分、微分方程、拓扑学等。
但它的突破性发现是由美国的三位著名学者洛伦兹、费根鲍姆和曼德勃洛特在研究大气气象方面的问题时引起的。
二、为什么产生混沌现象?产生混沌现象的原因是因为非线性系统中处于初值极其微小的两个相似系统,在演化中会发生巨大的差别,这种微小差异会被系统倍增放大。
这使得系统的行为变得难以预测,因为小的初值误差会在一定时间内呈现指数增长的趋势。
以上是混沌现象的数学解释,但从实际角度来看,混沌现象在很多系统中都出现了,如生态系统、股市、人口增长等等。
这些系统之所以出现混沌现象是因为它们都是非线性系统,从而使得输出变得更加复杂、不可预测。
三、混沌现象的特征?混沌现象的特征是对初始条件极其敏感、指数级敏感度和同时具有理论可再现性。
对初始条件极其敏感,是指在初始条件微小的偏差情况下,后续状态会完全不同。
这意味着对于混沌系统,重复试验可以得到完全不同的结果。
这是非线性系统行为的关键特征之一。
指数级敏感度是混沌现象的第二个特征,即当微小初始条件的偏差受到系统倍增放大时,它的敏感度呈指数级增长。
这也意味着,随着时间的推移,原来微小的初始值差异会变得越来越大。
同时具有理论可再现性,是指混沌现象是可以通过一组数学公式来模拟和复现的。
非线性物理3-1(倍周期分岔到混沌、阵发性混沌)

3.杜芬方程的倍周期分岔
杜芬方程的倍周期分岔
杜芬方程:
d2x dt 2
dx dt
x
x3
=
F
cos
t
设γ=0.4,κ=1,ζ=4, F=0.115,从小到大改变驱动频率。
计算表明,在 ≥0.8时,杜芬方程的解是反对称的极限环,极限环呈 椭圆形状;
当 <0.8时,极限环的反对称性虽然仍存在,但椭圆形状已明显变 形。
1. 阵发性混沌现象
阵发现象(洛论兹方程)
洛论兹方程 y 分量 rc 附近的 四个参数:一个 r<rc, 三个 r>rc 计算结果
b=8/3,s=10 时
临界值rc=166.07
x -对流的翻动速率, y -比例于上流与下流液体之 间的温差 z-是垂直方向的温度梯度,
r -相对瑞利数 r = R/RC。
f 3(x)有四个不动点,一个由f (x)带来 的不稳定不动点,另外三个与迭代线 相切。切点处f 3(x)曲线的斜率为+1, 是稳定性条件的最大值。
2. 阵发性混沌机理
周期 3 轨道
μ稍许增大一点, mt m < 0 , f 3(x)将越过切点与迭代线相
交为两个交点,产生出六个交点。相切点斜率为+1,每对相交 的两个交点处斜率一个大于1,另一个小于1。
3
0.9212
4 0.28901376
5 0.821939226
·
·
·
·
51 0.27756908
52 0.80209438
·
·
·
·
X2=0.1000001
0.36000003 0.92160036 0.28901355 0.821938871
非线性动力学中的混沌现象

非线性动力学中的混沌现象物理学中的混沌现象是指一个系统虽然是确定性的,但由于微小的初始条件差异会导致结果的巨大差异,表现出不可预测性。
混沌现象是由于系统的非线性行为引起的,在非线性动力学的研究中广泛存在。
在这篇文章中,我们将探讨混沌现象的原理和应用,以及如何在非线性系统中应对混沌现象的挑战。
非线性动力学中的混沌现象的起源非线性动力学是研究非线性系统演化行为的学科。
我们知道,在线性系统中,输出是输入的一种缩放,而非线性系统中则不然。
非线性系统不会按照线性关系的方式响应任意输入,而是具有更为复杂的特征。
这种特征在一定程度上会导致系统表现出混沌现象。
混沌现象最早是由美国的工程师爱德华·洛伦茨在1963年发现的。
他发现,在具有非线性行为的系统中,一个微小的初始条件差异会导致结果的巨大不同,这意味着无法预测这个系统的演化。
他发现的这个现象被称为燥动现象,后来被广泛认识到是混沌现象。
非线性系统中的混沌现象可以被看做是一个自组织的有序性,这种有序性不是像普通的周期性运动那样可预测的,而是具有随机性和复杂性。
这种复杂性涉及到许多要素,包括吸引子、分叉、倍增、条纹、密度波、涡旋等。
非线性动力学中的混沌现象的应用混沌现象的应用范围非常广泛。
在天文学、气象学、生物学以及金融学等领域都有广泛的应用发展。
例如,在天气预报中,混沌理论可以让我们更好地了解大气环境的变化规律,从而提高天气预报的准确性。
在气象学中,通过对大气环境中一些元素的混沌特性研究,可以预测气候变化的趋势。
在金融学中,混沌现象的应用于交易量的预测。
在分析金融市场时,我们常用技术分析来试图预测股票价格的变化。
但由于股票市场是高度非线性的,这样的预测并不可靠。
但是,如果我们能够了解系统的混沌特性,就可以更好地了解市场的基本运作方式,并采取相应的投资策略。
非线性动力学中的混沌现象的挑战混沌现象对于非线性系统的设计和控制,都是相当大的挑战。
在实际应用中,我们需要对非线性系统的微小变化进行精细的控制,以避免混沌现象对输出的影响。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
根据Packard等于1980年提出的由一维可观察量重构 相空间理论56,利用Logistic映射按2DLMGS的定 义迭代15万次后所得吸引子横坐标的时间序列,作为 观测系统行为的数据。作者计算了2DLMGS吸引子 的Lyapunov指数和分维数。 由Wolf等人建立的从时间序列计算最大Lyapunov指 数1的方法51,选取数据总量N为50000,嵌入空间 维数m通过从2开始逐渐增加反复试算来确定,时间延 迟 和长度元演化步长Step也像m一样经过取不同数值 反复试算来确定,最大长度尺度Scalmx取0.02,最小 长度尺度Scalmn取1E6。作者求出图3.2中2DLMGS 吸引子的1如表3.1所示。
由Grassberger和Procaccia所提出关联维数D2的计算方 法50,选取10000个数据点,作者作出图3.2中 2DLMGS吸引子的~关系曲线如图3.4所示,D2的计 算结果见表3.2。 表3.1和表3.2给出2DLMGS吸引子具有奇怪吸引 子的运动特征。从图3.2可观察到2DLMGS吸引子从 整体上说是稳定的,即吸引子外的一切运动最后都要 收缩到吸引子上;2DLMGS吸引子并不填满某一有 限区域,而往往具有一些空隙或空洞,除了这些大的 空洞外,还有不同层次的小的空隙或空洞的存在,这 就使吸引子具有无穷层次的自相似结构,即分形结构。
第一个普适常数 是指在分岔值序列n 序列收 敛过程中,间隔比的极限 他又指出在 x 轴上周期解的周期之间的距离按 因子 =2.5029078751… 缩减;此数 也是普适 的,称为第二个普适常数。这两个常数是一切 周期倍分岔所共有的,它们反映了周期倍分岔 通向混沌道路的规律性。
由上述分析,我们可给出倍周期分岔和混 沌所具有重要的普适性:
为了阐明初始点的影响,探讨图形与吸引子之 间的联系,当操作符取除法运算时,随迭代次 数的增加,作者研究了2DLMGS图形的变化。 图3.3给出了当 从0增加到1.0时,Logistic映 射在第n次迭代后所生成的图形(n被写在每幅 图形的左下角)。在这个过程中,总迭代次数 N=1000,因此。根据算法可知,当 增加时, 前一次最后迭代的终点可被看作是下一次迭代 的初始点。由图3.3可见,随迭代次数的增加, 图形逐渐生长,最后图形的边缘与其对应的吸 引子相似[图3.2j]。
3.3 三维奇怪吸引子透视图的 计算机模拟
3.3.1 方法
3.3.2 结果 3.3.3 小结
3.3.1 方法
选取三维非线性映射
的初始点为(0,0,0),然后迭代500万次,使落 在观察区域(即透过计算机屏幕可以看到的三 维相空间中的区域)内的式(3.4)所表示的动力 系统的运动轨迹进行平移与旋转,可由下面坐 标变换公式
来表示。其中xt,yt和zt是还没有转换为显示 坐标的三维坐标,参数mx、my和mz代表观察 者的位置,q和j分别为旋转角和倾斜角。系统 的运动轨迹从三维空间中面向二维屏幕(x轴所 指方向)进行投影。
为了展现出三维奇怪吸引子的内部结构,可采用画透 视图的方法。具体方法如下:利用式(3.4)的每一次迭 代所产生新的三维坐标x,y和z,先将y和z的值分别除 以x,再乘以观察者到屏幕的距离ds,然后加上屏幕中 心的坐标值,把这一对值转换为整常数xp和yp后,这2 个值就是应该在二维屏幕上画出像素点的行和列;再 根据三维奇怪吸引子在相空间中轨迹的复杂程度赋予 其投影点——各个像素点以不同的颜色。 三维奇怪吸引子在相空间中的轨迹是不相交的,但 它在二维平面上的投影却可以相交。为此在画透视图 时,图中的某一像素点的颜色是与方程(3.4)在相空间 中的轨迹投影到该像素点的次数求和
定义3.1[44] LMGS定义如下:
上式中,是k维空间中的一个点集;为操作符, 其为加、减、乘、除四种基本的运算形式之一。 例如,令,为加法运算,则、,当以某一步 长,如0.01,从0增加到1.0时,对于每一个 值,取,使式3.2迭代1000次,画出颜色随 的变化而变化的点,重复这个过程,直到增 加到1.0,过程结束,这样就产生了一幅图, 我们称这幅图为Logistic图形;若在绘图过程中, 如果Logistic映射迭代所产生的最初500个点被 抛弃掉,则我们称这幅图为Logistic吸引子。
其分岔过程如图3.1(示意图,未按比例) [9]。
下面我们讨论一下随参数的变化xn在n
时的行为。
在0 0.25时, = 0为稳定点。 若 1 0.75, = 1 为稳定点。 若1 2 0.85056……,出现周期2解。 若2 3 0.88602……,出现周期4解。 若 继续增加,依次出现的稳定周期解是周 期8解,周期16解,周期32解,……。 上述分岔值序列1,2,3,……,有一个解 的极限0.89248……。
图3.2m与3.2n中的点坐标为
图3.2o与3.2p中的点坐标为
(a)
(b)
(c)
பைடு நூலகம்
从图3.2可见,当操作符取得具有相关性 时,所得的吸引子和图形也很相似,如 图3.2c与3.2d中的点坐标为
图3.2k与3.2l中的点坐标为
图3.2c与图3.2k相似,图3.2d与图3.2l相 似。
3.3.2 结果
上述非线性映射的动力学行为是由控制参数a、b、c、 d和e决定的。为了在控制参数空间对系统的行为进行 较全面的考察。我们研究了随控制参数的变化系统行 为的演化。
在三维相空间中,如果系统的解为不相关的随机信号则运动轨迹均匀地 充满相空间,而有规律的可预测的信息则产生清晰的周期性轨迹,某几 种相关的、随机的信号以及可预测的混沌信号则趋向于充满相空间的某 些特定部位,而混沌过程的无规则的信息则可以很好地在相空间图中鉴 别出来,因为它呈现有规律的奇怪吸引子。由此可见,图3.5为上述非线 性映射的奇怪吸引子。图3.5的初始点选取为(x0, y0, z0)=(0, 0, 0),当 改变初始点时,我们发现图3.5几乎没什么明显变化,这表明奇怪吸引子 具有整体上的稳定性。同时我们也观察到奇怪吸引子不是连续分布的实 体,而是其中有大量空洞的结构,除了一些大的空洞外,还有不同层次 的小的空洞,这就使得奇怪吸引子具有无穷层次的自相似几何结构。图 3.5a与3.5b相比较,从不同的角度(旋转角q 和倾斜角j )去观察,三维 奇怪吸引子的透视图变化很大,这进一步反映出奇怪吸引子的结构十分 复杂。上述研究表明奇怪吸引子的轨迹永远在绕圈,它本身从不相交并 因而永不重复。这种非常精细的结构在所有尺度上都存在,甚至在无穷 长时间极限下,吸引子也不会在三维空间内形成一个实体。
第三章 二维非线性映射中 的混沌与分形
3.1 一维Logistic映射中的混沌 3.2 LMGS吸引子混沌特征的定量观测 3.3 三维奇怪吸引子透视图的计算机模 拟 3.4 二维Logistic映射中的混沌与分形 3.5 一般二维二次映射中的奇怪吸引子 与分形
基于式 (2.3) ,可给出 Logistic 映射的另一 种形式 3.1
图3.2显示的是由Logistic映射所生成的 2DLMGS,其中图3.2a、3.2c、3.2e、 3.2g、3.2i、3.2k、3.2m、3.2o为图形; 图3.2b、3.2d、3.2f、3.2h、3.2j、3.2l、 3.2n、3.2p为吸引子。图3.2a与3.2b中的 点坐标为
图3.2c与3.2d、图3.2e与3.2f、图3.2g与 3.2h、图3.2i与3.2j分别是当操作符取为 加、减、乘、除运算时所获得的图形和 吸引子;图3.2k与3.2l中的点坐标为
当 达到该值时,系统的稳态解是一个 “周期2k解”,可见系统当参数增加时, 系统经过不断周期倍化(Period doubling); 当 超过 值后,系统就会进入混沌区。 即当 在 范围内,系统的解序列被 “吸引”到周期解(包括平衡态作为特 例)上去。
除了稳定的平衡态和稳定的周期解这两种通常的吸引 子外,这个系统当 在 1这个范围时,解序列的稳 态或极限将出现奇怪吸引子,相应的物理现象中有混 沌过程。 这表明:在Logistic映射通向混沌道路的一系列分岔过 程中,在参数空间和相空间中都表现出自相似性和尺 度变换下的不变性。这种演化过程在非线性系统中带 有通有的(Generic)性质。 因此,M. J. Feigenbaum曾用重整化群方法,经过细致 的观察和研究,发现系统经过倍周期分岔进入混沌时, 其数量关系会呈现某种规律性,这就是 Feigenbaum 常 数 和[10]。
3.2 LMGS吸引子混沌特征的 定量观测
3.2.1 LMGS吸引子的构造方法
3.2.2 LMGS吸引子的模拟结果 3.2.3 结论
3.2.1 LMGS吸引子的构造方法
式3.1给出的Logistic映射仅有一个自由度, 利用它只能产生一条曲线。为了绘制一幅图形, 至少需要两个或两个以上的自由度。如何利用 Logistic映射生成美丽的图形,为此孙海坚等人 给出了LMGS定义,其基本思想是:以为初值, 利用Logistic映射经迭代所产生的一维序列, 如,,,通过用不同的算术运算来组合,构造 出多个变量,,的表达式,并以,,作为新的 自由度,从而将一维Logistic映射扩展到二维、 三维或k维空间。
LMGS在二维空间中的子集可用 2DLMGS来表示。2DLMGS的定义如 下:
上述定义中操作符仅取加、减、乘、除 四种基本的运算,我们认为还可取其它 运算形式,如乘方、开方等,这样就扩 展孙海坚了等人关于LMGS的定义,并可 利用扩展的LMGS的定义构造出更多的美 丽的图形。
3.2.2 LMGS吸引子的模拟结果