用于确定分数阶系统（FOS）的Lyapunov指数谱，包括分数阶Lorenz系统、4D分数阶Chen系统和分数阶Duffing振荡器（Matlab代码实现）

 💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

2.1 测试1

2.2 测试2

2.3 测试3

🎉3 参考文献

🌈4 Matlab代码实现、数据、文章

---

💥1 概述

摘要
Lyapunov指数提供了确定动力系统稳定性和分类极限集的定量证据。目前有几种成熟的技术可以计算整数阶系统的Lyapunov指数，然而，由于分数阶导数的非局部性，这些技术无法推广到分数阶系统。本文提出了一种用于确定分数阶系统Lyapunov指数谱的方法。所提出的方法是根据Grünwald-Letnikov导数的记忆原理严格推导而来的，因此它通常适用，甚至与整数阶系统兼容。分数阶Lorenz系统、分数阶Duffing振荡器和4维分数阶Chen系统等三个经典示例分别用于展示所提方法对不可测、非自治和低有效阶系统以及超混沌系统的有效性。模拟结果表明，所提方法在准确性和正确性上确实优于现有方法。

1. 引言
Lyapunov指数（LE）是由Oseledets [1]在他的多重遍历定理中引入的。基于Oseledets的理论，Benettin等人[2]首次报道了计算动力系统所有LE的方法。后来，Wolf等人[3]改进了Benettin的方法，并首次提出了基于Takens的重构技术[4]的时间序列估计LE的方法，后者在实验研究中被广泛使用。除了Benettin-Wolf算法外，过去四十年来已经报道了各种LE计算方案，主要包括从控制方程中确定[5]，[6]和从时间序列中估计[7]，[8]。此外，研究人员还开发了扰动方法，如扰动向量方法[9]和克隆动力学方法[10]，以及同步方法[11]。这些方法避免直接计算雅可比矩阵或求解变分方程，因此它们可以应用于更多情况，例如一般具有病态雅可比矩阵的非光滑系统。目前，上述方法已经有效应用于几个领域的动态特征化[12]，[13]，[14]，[15]。分数微积分（FC）是微积分理论的一个古老分支。在早期，与古典微积分不同，FC在纯数学理论上有更多的研究，但在物理学中只有零星的应用（由Valério等人总结[16]）。在过去的二十年里，更多的研究人员开始关注FC的跨学科应用，因为一些问题可以通过FC以新颖的方式进行优雅建模，例如粘弹性材料的机械行为[17]，[18]，[19]，图像加密[20]，[21]和流行病建模[22]，[23]。最近，Diethelm等人[24]和Sun等人[25]分别回顾了FC在物理学和工程学中的应用。

一般来说，分数阶微分方程的解不能像半群那样定义动力系统[26]，然而，这并不意味着分数阶微分方程与其相流之间的关系不能像整数阶微分方程一样建立起来。作为相流收敛或发散速率的度量，LE仍然是研究分数阶系统（FOS）动态演化的强大数学工具。Li等人[27]首次引入了FOS的LE的严格数学定义，并提出了确定其上下界的方法。此外，还开发了一些新方法，如时间序列方法[28]，[29]和扩展的Benettin-Wolf算法[30]，用于估计FOS的LE。在这些进展中，确认LE仍然有效用于确定稳定性、分形维数和极限集。然而，存在一些限制，例如，扩展的Benettin-Wolf算法更适用于准整数阶系统，因为非局部性不够显著而可以忽略。事实上，FOS的非局部性意味着相流的收敛和/或发散是历史相关的，因此在FOS中很难推广整数阶系统中的成熟方法。因此，通过将所有维度中收敛（或发散）的历史相关关系形式化，可以正确确定FOS的所有LE，这是本工作的主要贡献。详细文章见第4部分。

这篇文章中的MATLAB代码用于确定分数阶系统（FOS）的Lyapunov指数谱，包括三个经典示例：分数阶Lorenz系统、4D分数阶Chen系统和分数阶Duffing振荡器。该算法基于分数阶导数的记忆原理，对系统的维度和阶数没有限制。当阶数设置为1时，数值方法自动简化为前向Euler方案，因此该程序也可用于确定整数阶系统的Lyapunov指数。

亮点：
- 通用适用性，并与标准的整数阶系统兼容。
- 更好的准确性和正确性。
- 无需手动调整。
- 适用于不可测、非自治和低有效阶系统以及超混沌系统。

📚2 运行结果

2.1 测试1

2.2 测试2

2.3 测试3

部分代码：

% Output:
% x1,x2,x3,x4 - system responses;
% t - Time series of system responses;
% LE - Lyapunov Exponents;
% T - Time series of Lyapunov exponents;

%% system parameters and simulation conditions
clear;clc;close all;
C=0.3;
BETA=-0.1;
F=0.255;
W=1.2;
p=0.8;

h=1e-3;
h_norm=10*h;
N=h_norm/h;

tn=300-h;
t=0:h:tn;
n=length(t);
T=0:h_norm:tn;
%% define the order
q1=1;q2=1;q3=1-p;q4=1;

%% Fractional-order binomial coefficient
cp1=1; cp2=1; cp3=1; cp4=1;
for j=1:n
    c1(j)=(1-(1+q1)/j)*cp1;
    c2(j)=(1-(1+q2)/j)*cp2;
    c3(j)=(1-(1+q3)/j)*cp3;
    c4(j)=(1-(1+q4)/j)*cp4;
    cp1=c1(j); cp2=c2(j); cp3=c3(j); cp4=c4(j);
end

%% initialization
x(1) = 0;
y(1) = 0;
z(1) = 0;
u(1) = 0;

🎉3 参考文献

文章中一些内容引自网络，会注明出处或引用为参考文献，难免有未尽之处，如有不妥，请随时联系删除。

🌈4 Matlab代码实现、数据、文章