各类混沌的matlab程序实现.docxVIP

混沌同步模型驱动系统和响应系统都是Lorenz System,只不过初值不同。驱动系统： dx/dt=a*(y-x)dy/dt=r*x-y-xzdz/dt=x*y-b*z初值（0.1，0.1，0.1）输出信号 令S(t)=x(t)响应系统：将S(t)代替x(t)作为激励信号 dx/dt=a*(y-x)dy/dt=r*x-y-xzdz/dt=x*y-b*z初值（0.1，0.1，1）最后求响应系统的输出x(t),y(t),z(t)程序：function [Y1] = Lorenz_response(tspan);%%计算处于响应地位的Lorenz系统的数值解，并由此画出其相图yinit = [0.1,0.1,1];% 初始化输入y(1:3) = yinit;tstart = 0; % 时间初始值tstep = 1e-1; % 时间步长wholetimes = 1e2; % 总的循环次数steps = 1; % 每次演化的步数 iteratetimes = wholetimes/steps; % 演化的次数S=output;for i=1:iteratetimes;tspan = tstart:tstep:(tstart + tstep*steps); [T,Y1] = ode45(@Lorenz_driven, tspan, y);y = Y1(size(Y1,1),:);y(1)=S(i,1);% 重新定义起始时刻tstart = tstart + tstep*steps; endfigure(1)plot3(Y1(:,1),Y1(:,2),Y1(:,3))function s=output;tstart = 0; % 时间初始值tstep = 1e-1; % 时间步长wholetimes = 1e2; % 总的循环次数% options = odeset(RelTol,1e-4,AbsTol,[1e-4 1e-4 1e-5]);tspan=tstart:tstep:wholetimes*tstep[T,Y] = ode45(@Lorenz_driven,tspan,[0.1 0.1 0.1]);s=Y figure(3)plot3(Y(:,1),Y(:,2),Y(:,3))function dY=Lorenz_driven(t,Y);a=10; b=8/3; r=60;dY=zeros(3,1);dY=[a*(Y(2)-Y(1));-Y(1)*Y(3)+r*Y(1)-Y(2);Y(1)*Y(2)-b*Y(3)]MatLab常微分方程及常微分方程组的求解(2011-07-08 23:01:48) javascript:;转载▼标签： /?c=blogq=%D4%D3%CC%B8by=tag杂谈分类： /s/articlelist_1776874690_9_1.html编程之Matlab 最近参加了数学建模，对于老师说的Euler算法的不同步长的精度不一样，编写了一个M函数文件来实现这个精度的比较，把函数附上：function [x,y]= Euler(varargin)%这里使用可变输出输入函数的%varargin{1}为求解常微分方程的表达式%varargin{2}为求解常微分方程的定解条件%需要给出的变量有常微分方程的范围a，b(varargin{3},varargin{4})%n为对这个区间的分割(varargin{5})%xlt写于7月8日%取得算法需要的变量，并附上容易理解的含义变量a = varargin{3};b = varargin{4};%自变量的范围n = varargin{5};%区间的分割次数h = (b - a)/n;%步长Dy = varargin{1}; %常微分方程的表达式y0 = varargin{2}; %常微分方程的定解条件表达式%首先求出所给常微分方程问题的精确解x1 = zeros(n+1,1);y1 = zeros(n+1,1);syms f1; syms x;f1 = dsolve(Dy,y0,x);x1(1) = a;y1(1) = subs(f1,{x},{x1(1)});for i = 2:(n+1)x1(i) = x1(i-1) + h;y1(i) = double(subs(f1,{x},{x1(i)}));end%利用Euler方法求解近似数值微分解x2 = zeros(n+1,1);y2 = zeros(n+1,1);syms y;x2(1) = a;y2(1) = subs(f1,{x},{a});%获得原方程的初解for i = 2:(n+1)x2(i) = x2(i-1) + h;y2(i) = y2(i-1) + h .* double(subs(Dy(5:en