1.一种基于人工神经网络的混沌控制方法，其特征在于，主要包括洛伦兹振荡器(一)；蔡氏电路(二)；人工神经网络(ANN)(三)；使用ANN控制混沌(四)。
2.基于权利要求书1所述的人工神经网络(ANN)控制混沌的方法，其特征在于，使用人工神经网络(ANN)能有效控制混沌，从混沌系统中获得所需的输出，使用ANN可以导致稳定的混沌系统；实现这种期望结果的主要问题是调整ANN权重所需的时间，首先手动逐一通过调节蔡氏的输出电阻，然后自动由反馈控制系统。
3.基于权利要求书1所述的混沌，其特征在于，它被定义为非线性动态系统的属性，当在系统中的最小变化导致系统行为差异非常大时，表现出对初始条件的敏感依赖性；混沌是有序的混乱，因为不能预测系统行为将对输入中的变化产生的影响，所以混沌是不可预测的。
4.基于权利要求书2所述的洛伦兹振荡器(一)，其特征在于，以下三个常微分方程定义了洛伦兹振荡器的混沌行为：
dx/dt＝δ(y-x) (1)
dy/dt＝δ(ρ-z)-y (2)
dz/dt＝xy-βz (3)
其中，x，y和z定义系统的状态，t是时间，δ、ρ和β是系统参数。
5.基于权利要求书4所述的混沌行为，其特征在于，通常系统不显示任何种类的混沌行为，但对于其参数的某些值，如：β＝8/3，δ＝10，ρ＝28，系统可能产生混沌图；
当对数映射方程(xn+1＝μxn(1+xn))中的μ增加超过3.3时，就会出现混沌的另一个良好示例；当μ<3.3时，系统在x(周期—2个循环)的两个值之间振荡；进一步增加μ，使系统在四个值之间振荡(分叉/周期—4个循环)，如果保持增加μ，周期倍增将在参数μ的较小间隔发生。
6.基于权利要求书3所述的蔡氏电路(二)，其特征在于，蔡氏电路是最简单的混沌系统之一；使用示波器，可以观察到蔡氏电路创建的混沌双滚动，它可以通过三个方程建模：
C1dv1/dt＝(v2-v1)/R-g(v1) (4)
C2dv2/dt＝-(v2-v1)/R+I (5)
LdI/dt＝-rI-v2 (6)
其中，v1和v2分别是C1和C2两端的电压，g(v1)是非线性电阻(相当于蔡氏二极管)的电导，r是电感的电阻。
7.基于权利要求书1所述的人工神经网络(ANN)(三)，其特征在于，ANN是人工智能(AI)的一部分，它基于生物神经系统；由于神经网络在某种意义上基于该输入及其输出的反馈而改变或学习，流经网络的信息会影响ANN的结构。
8.基于权利要求书7所述的人工神经网络输出，其特征在于，人工神经元的输出由下式控制：
y＝f(v) (7)
其中，f(v)是激活函数，
v＝w1x1+w1x1+…+wmxm+w0b0 (8)
其中，w0,w1,w2,…wm是权重，,x1,x2,…xm是输入，b0是偏差；
为了获得一些期望的输出yd，将神经元的输出传播回系统，并且通过调整权重获得期望的输出；这里使用的激活函数是S型函数。
9.基于权利要求书1所述的使用ANN控制混沌(四)，其特征在于，为了控制蔡氏电路所呈现的混沌行为，首先在面板上构建蔡氏电路，测试并获得示波器上显示的输出；
通过调节电阻R和C的值，可以消除混沌行为，并使电路给出期望的稳定输出，用于响应R和C的不同选择。
10.基于权利要求书9所述的构建蔡氏电路，其特征在于，用Matlab来模拟上述的电路，使用可用的蔡氏电路的程序为其方程；通过使用在面板上构建的电子电路，然后使用Matlab可用程序获得混乱行为后，用仿真分析程序重绘ANN各个部分的电子电路(权重，求和函数，激活函数)，然后所有电路连接在一起；最后，ANN大电路的输出连接到蔡氏电路，蔡氏电路输出的一部分反馈到ANN，相应地调整权重；
一旦所有电路连接在一起，可以使用不同的初始值为ANN权重，然后ANN通过学习，调整蔡氏电路的参数，给出所需的输出。