余弦忆导系统：初始偏移提升与极端多稳态性的动力学机制

1. 项目概述

在非线性电路与混沌系统的研究领域，忆阻器自被理论预言和物理实现以来，就因其独特的记忆特性和非线性，成为了构建复杂动力学系统的理想元件。不同于传统的电阻、电容和电感，忆阻器的阻值（忆导）是其内部状态变量（如磁通或电荷）的函数，这种“记忆”特性使得基于忆阻器的系统对历史状态异常敏感，从而能够产生诸如混沌、超混沌、隐藏吸引子以及极端多稳态性等丰富而复杂的动力学行为。这些特性为保密通信、图像加密、类脑计算等前沿应用提供了新的物理载体和理论模型。

本文要探讨的，正是一个基于余弦忆导函数构建的四维忆阻系统。这个系统的特别之处在于，其忆导函数并非简单的线性或分段线性函数，而是一个周期性的余弦函数。这一看似微小的改动，却为系统带来了前所未有的动力学特性：一个沿忆阻器内部状态变量坐标轴分布的线平衡集，并且该线平衡集的稳定性会随着系统状态的变化而发生周期性演变。这直接导致了系统对初始条件极度敏感，产生了被称为初始偏移提升的奇特现象。简单来说，仅仅改变系统的初始状态，就不仅能将系统吸引子在相空间中的位置进行非线性平移，还能使其拓扑结构（如周期、混沌形态）发生周期性改变，从而在一条连续的路径上激发出无穷多种拓扑结构各异的共存吸引子，即极端多稳态性。这种仅通过调整初始条件即可获得近乎无限种动力学模式的能力，为混沌系统的应用提供了极大的灵活性和编码空间。

2. 核心思路与系统构建：为什么是“余弦忆导”？

要理解这个系统的精妙之处，我们必须从最基础的忆阻器模型和系统构建逻辑说起。

2.1 从理想忆阻器到余弦忆导模型

一个理想的磁控忆阻器，其本构关系由磁通 (\phi) 和电荷 (q) 决定，电压 (v) 和电流 (i) 满足： [ v = M(q) \frac{dq}{dt} \quad \text{或} \quad i = W(\phi) \frac{d\phi}{dt} ] 其中 (M(q)) 为忆阻，(W(\phi)) 为忆导。大多数研究中，为了简化分析或实现，常采用分段线性或二次函数来描述 (W(\phi))。

本文的创新起点在于，引入了一个忆导为余弦函数的理想磁控忆阻器模型： [ i = W(\phi) v = \cos(\phi) \cdot v ] [ \frac{d\phi}{dt} = v ] 这里，(v) 和 (i) 是忆阻器端口的无量纲电压和电流，(\phi) 是内部磁通状态变量。余弦函数的引入是核心。与线性或单调非线性函数相比，余弦函数具有两个关键特性：

1. 周期性：忆导值 (W(\phi) = \cos(\phi)) 在 ([-1, 1]) 之间周期振荡。
2. 多值性：对于同一个忆导值 (W_0)（除了±1），对应着无穷多个 (\phi) 值（(\phi = \arccos(W_0) + 2k\pi)）。

这两个特性直接决定了后续系统平衡点的分布和稳定性将呈现出周期性的格局，这是产生周期性初始偏移提升行为的物理根源。

实操心得：在理论建模阶段选择非线性函数时，周期性函数（如正弦、余弦）是产生复杂、结构化动力学行为的“富矿”。它们能将系统的状态空间自然地划分为多个周期性的区域，为多稳态和复杂分岔现象提供了天然的温床。

2.2 四维忆阻混沌系统的构建

有了核心的忆阻器模型，下一步是将其嵌入到一个能产生混沌的“种子”系统中。研究者选择了一个简单的三维线性系统作为驱动： [ \begin{align*} \dot{x} &= y \ \dot{y} &= z \ \dot{z} &= -x - z \end{align*} ] 这个系统本身是稳定的（其特征根均具有负实部），不会自发产生振荡。接着，将忆阻器以反馈形式耦合到该系统中，具体方式是将忆阻电流 (i = \cos(\phi) \cdot y) 作为一个非线性项引入到第一个方程，同时增加忆阻器的状态方程，从而形成一个四维自治系统： [ \begin{align*} \dot{x} &= y + k \cdot \cos(\phi) \cdot y \ \dot{y} &= z \ \dot{z} &= -x - z \ \dot{\phi} &= y \end{align*} ] 这里，(k) 是一个可调的控制参数。这个构建逻辑非常清晰：利用线性系统提供基本的动力学框架，然后通过忆阻器的非线性耦合（(\cos(\phi) \cdot y)）来破坏系统的稳定性，注入非线性，从而激发混沌等复杂行为。

为什么这样耦合？将忆导电流反馈到 (\dot{x}) 方程，相当于引入了一个状态相关的非线性增益（(k\cos(\phi))）。而 (\dot{\phi} = y) 则将系统变量 (y) 的变化直接转化为忆阻器内部状态 (\phi) 的变化，从而让忆导 (cos(\phi)) 能够动态演化，形成一个闭合的非线性反馈环路。这是产生复杂动力学的典型手段。

2.3 线平衡集与稳定性分析

系统（4）的平衡点（即令所有导数 (\dot{x}, \dot{y}, \dot{z}, \dot{\phi}) 为零的点）求解如下： 由 (\dot{y}=z=0)，得 (z=0)。 由 (\dot{z}=-x-z=0) 且 (z=0)，得 (x=0)。 由 (\dot{x}=y + k\cos(\phi)y = y(1+k\cos(\phi))=0)，得 (y=0)。 由 (\dot{\phi}=y=0)，自动满足。 因此，平衡点集合为 (E = { (0, 0, 0, \delta) | \delta \in \mathbb{R} })。这是一个沿着 (\phi) 轴分布的线平衡集，其中 (\delta) 是一个任意实数。

接下来进行线性稳定性分析。在平衡点 ((0,0,0,\delta)) 处计算雅可比矩阵 (J)： [ J = \begin{bmatrix} 0 & 1+k\cos(\delta) & 0 & -k y \sin(\delta) \ 0 & 0 & 1 & 0 \ -1 & 0 & -1 & 0 \ 0 & 1 & 0 & 0 \end{bmatrix} ] 由于在平衡点处 (y=0)，矩阵简化为： [ J = \begin{bmatrix} 0 & 1+k\cos(\delta) & 0 & 0 \ 0 & 0 & 1 & 0 \ -1 & 0 & -1 & 0 \ 0 & 1 & 0 & 0 \end{bmatrix} ] 其特征多项式为： [ \det(\lambda I - J) = \lambda \left[ \lambda^3 + \lambda^2 + \lambda + (1+k\cos(\delta)) \right] = 0 ] 由此得到一个零特征根（对应线平衡集的方向）和三个非零特征根，后者的稳定性由方程 (\lambda^3 + \lambda^2 + \lambda + (1+k\cos(\delta)) = 0) 决定。

关键洞察来了：由于 (\cos(\delta)) 是周期函数，因此项 ((1+k\cos(\delta))) 也随 (\delta) 周期性变化。这意味着，沿着 (\phi) 轴这条平衡线，不同 (\delta) 处的平衡点（本质上是同一个线集上的不同点）其稳定性可能是不同的。随着 (\delta) 变化，系统特征根的实部会周期性变化，导致平衡点类型（稳定结点、鞍点等）发生周期性交替。这个“移动的稳定性”是理解后续所有复杂现象（如周期性变化的吸引子类型）的钥匙。

注意事项：在分析具有线/面平衡集的系统时，传统的基于孤立平衡点的稳定性判定方法需要沿整个平衡集进行参数化扫描。平衡集上稳定性的非均匀性，是此类系统产生极端多稳态性的重要根源之一。

3. 初始偏移提升行为：现象与机理深度解析

“初始偏移提升”是本研究的核心发现。它描述的是这样一种现象：在系统参数固定不变的情况下，仅改变系统的初始条件 ((x(0), y(0), z(0), \phi(0)))，系统最终收敛到的吸引子（稳态运动模式）在相空间中的位置会发生偏移，并且其拓扑结构（周期、混沌等）也可能发生改变。

3.1 由忆阻器初始状态 (\phi(0)) 触发的提升

最直观的提升行为由忆阻器的内部状态初始值 (\phi(0)) 触发。固定参数 (k=3)，并设置 (x(0)=10^{-6}, y(0)=0, z(0)=0)，让 (\phi(0)) 在较大范围内变化。

数值模拟结果揭示出两个层面的周期性：

1. 吸引子位置的周期性偏移：随着 (\phi(0)) 变化，吸引子在相空间中的整体位置（尤其是沿 (\phi) 轴的中心）会随之移动。这是因为系统的轨迹最终会围绕线平衡集 (E=(0,0,0,\delta)) 上的某个“邻近点”运动。而 (\phi(0)) 通过影响系统瞬态过程，间接决定了这个“邻近点”的坐标 (\delta)，从而实现了吸引子沿 (\phi) 轴的一维、非线性偏移。
2. 吸引子类型的周期性变化：更为有趣的是，吸引子的拓扑结构（周期1、周期2、混沌等）也随着 (\phi(0)) 的变化而呈现严格的周期性。这直接对应于前面分析的线平衡集稳定性的周期性变化。不同的 (\phi(0)) 将系统“引导”至具有不同局部稳定性的平衡点附近，从而演化出截然不同的长期动力学行为。

图3(b)中的分岔图和Lyapunov指数谱清晰地展示了这一点。随着 (\phi(0)) 变化，系统的Lyapunov指数（衡量混沌强度的指标）周期性起伏，对应着周期窗口和混沌带的交替出现。这意味着，在 (\phi(0)) 这一维初始条件空间上，系统存在着无穷多个共存的吸引子，它们周期性地排列在 (\phi) 轴上，且类型各异。这就是“极端多稳态性”的生动体现。

3.2 由其他状态变量初始条件触发的提升

一个更反直觉且更深刻的发现是：不仅 (\phi(0))，其他状态变量的初始条件 (x(0)) 和 (y(0)) 也能触发类似的初始偏移提升行为，而 (z(0)) 主要影响吸引子类型而非位置。

以 (x(0)) 为例：固定 (y(0)=10^{-6}, z(0)=0, \phi(0)=0)，扫描 (x(0))。结果发现，吸引子的位置会沿着 (\phi) 轴的负方向发生非线性移动，同时吸引子类型也在混沌和周期运动之间转变。(y(0)) 也能引发类似的效果，只是偏移方向可能不同。

这背后的机理是什么？从数学模型（4）看，只有 (\phi(0)) 直接影响线平衡集上的参数 (\delta)。(x(0), y(0), z(0)) 并不直接出现在平衡点或雅可比矩阵的 (\cos(\delta)) 项中。那么它们如何影响最终状态？

关键在于系统的瞬态动力学和吸引域边界。不同的 (x(0), y(0), y(0)) 将系统置于相空间的不同起始点。由于系统具有极端多稳态性，即存在无数个共存吸引子，每个吸引子都有自己的吸引域（basin of attraction）。初始点落在哪个吸引域，就收敛到哪个吸引子。而 (x(0), y(0)) 的变化，相当于在复杂的吸引域结构中穿行，从而“选择”了最终收敛到哪个位于不同 (\phi) 位置、具有不同拓扑结构的吸引子。这个过程本质上是对系统极端多稳态性的一种探索和映射。

实操心得：在仿真这类对初始条件极度敏感的系统时，必须非常小心地设置积分算法（如ODE45）的绝对和相对误差容限。一个微小的数值误差可能就会导致轨迹跳入另一个吸引子的吸引域，得到完全不同的结果。建议使用双精度计算，并尝试不同的积分步长以验证结果的鲁棒性。

3.3 与同类工作的比较

为了凸显本工作的特色，我们将其与文献中典型的偏移提升行为进行对比：

本系统的独特优势在于：模型相对简单（仅一个余弦非线性项），但产生的动力学行为极其丰富（无穷多拓扑各异的吸引子），且提升维度多（三个初始条件均可作为调节“旋钮”）。这为混沌应用，如多通道加密、高容量信息存储等，提供了更灵活的操作空间。

4. 电路仿真实现与验证

理论分析和数值模拟固然重要，但通过电路仿真或硬件实现来验证动力学行为，是确认其物理可实现性的关键一步，也能暴露出纯数学仿真中忽略的寄生参数等问题。

4.1 忆阻器仿真器设计

要实现系统（4），首先需要实现核心的余弦忆导忆阻器。文中给出了一个基于运算放大器、模拟乘法器和关键器件——AD639AD三角函数转换器的仿真电路。 电路方程如下： [ i_M = \frac{\cos(v_\phi)}{R_0} v_M ] [ \frac{d v_\phi}{dt} = \frac{1}{RC} v_M ] 其中 (v_M, i_M) 是忆阻器端口的电压和电流，(v_\phi) 是内部状态电压（对应数学模型中的 (\phi)）。通过这个电路，成功复现了忆阻器的特征：在正弦电压激励下，其电压-电流关系呈现依赖于频率和初始条件 (v_\phi(0)) 的“捏滞回线”。

注意事项：AD639AD这类模拟函数发生器芯片虽然方便，但其带宽、精度和输入输出范围是有限的。在高频或大信号条件下，其非线性失真可能会影响忆阻特性的准确性。在实际电路实验中，需要仔细查阅芯片手册，确保工作点在其线性区域内。

4.2 完整系统电路与PSIM仿真

基于该忆阻器仿真器，可以构建系统（4）的完整等效电路。电路由四个积分器（对应四个状态变量 (v_x, v_y, v_z, v_\phi)）、加法器、反相器以及忆阻器模块组成。电路参数经过优化选择，例如取 (R=10\ \text{k}\Omega, C=100\ \text{nF}, R_0=3.33\ \text{k}\Omega)（对应 (k=3)）。

仿真中的关键挑战：初始条件的设置。在数学仿真中，我们可以精确指定 (\phi(0))。但在实际模拟电路或硬件中，电容上的初始电压（对应状态变量的初始值）是难以精确预设的，尤其是对于内部状态 (v_\phi)。它通常由上电瞬态过程随机决定，导致电路每次启动可能进入不同的工作模式，这虽然证明了多稳态的存在，但不利于观测特定的、可重复的动力学行为。

文中采用PSIM软件进行仿真，其优势在于可以在仿真中精确设置电容的初始电压。通过将 (v_\phi(0)) 设置为不同的值（如 -7.8V, -3.39V, 0V, 3.2V等），并固定其他初始条件，成功观测到了与MATLAB数值仿真高度一致的、位置和形态各异的共存吸引子（见图8）。这强有力地验证了理论分析的正确性，即通过控制初始条件可以实现对吸引子位置和类型的“编程”。

4.3 面向物理实现的考量

对于真正的物理实现，文中提出了两个方向：

1. 模拟电路实现：采用“状态变量增量积分映射”方法，将系统重构到积分状态变量域。这种方法可以将难以控制的初始条件转化为电路中的直流偏置电压，从而在模拟电路中实现对其的精确控制和调节。
2. 数字电路实现：利用微控制器（MCU）、现场可编程门阵列（FPGA）或数字信号处理器（DSP）平台，通过数字算法直接求解系统微分方程。这种方法灵活性极高，可以轻松实现任意初始条件的设置和切换，非常适合用于混沌信号发生器、加密芯片等应用。

实操心得：在将此类理论模型转化为实际电路时，必须考虑运算放大器的饱和电压、模拟乘法器的象限与精度、以及无源元件的公差。这些非理想因素可能会限制可观测的动力学范围，甚至改变分岔点的位置。建议先在Multisim、PSIM等软件中进行带真实器件模型的仿真，再进行硬件焊接。

5. 常见问题、挑战与拓展思考

在研究或复现此类复杂忆阻系统时，通常会遇到一些共性的问题和挑战。

5.1 数值仿真中的稳定性与精度问题

• 问题：使用ODE45等变步长算法仿真时，对于某些初始条件，解可能会发散或得到不准确的结果。
• 排查：
  1. 检查雅可比矩阵：在发散点附近计算雅可比矩阵的特征值，确认系统在该局部是否确实不稳定（存在正实部特征值），还是数值误差导致。
  2. 调整求解器选项：显著减小绝对误差容差（AbsTol）和相对误差容差（RelTol），例如设置为1e-9或更小。
  3. 尝试刚性求解器：如果系统在某些参数下表现出刚性（stiff）特性，可以尝试使用ode15s或ode23s。
  4. 验证能量/有界性：对于物理系统，其状态变量通常应有界。监控仿真过程中变量的幅值，如果无限增长，很可能是不稳定的参数区域或数值发散。

5.2 吸引域结构的复杂性

• 问题：极端多稳态性意味着相空间被分割成无数个微小、可能具有分形结构的吸引域。如何可视化或理解这个结构？
• 方法：
  • 截面图法：固定三个状态变量，在二维平面上绘制第四个状态变量不同初始值对应的最终吸引子类型（用颜色表示），从而得到吸引域的二维切片。
  • ** basins of attraction**：对于低维系统，可以通过大量随机初始点进行仿真，记录其最终归宿，并用散点图着色，直观显示吸引域的分布。但对于四维系统，可视化非常困难。
  • 理论分析：利用状态变量增量积分映射等方法，可以将初始条件的影响转化为系统参数的等效变化，从而在参数空间中研究多稳态性，这比在初始条件空间中更规整。

5.3 电路实现中的非理想因素

• 问题：仿真完美的理论行为在硬件电路上无法复现。
• 排查清单：
  1. 电源与地：确保所有运放、乘法器、函数发生器的供电电压（如±15V）稳定、对称，去耦电容是否足够。
  2. 器件带宽：检查所用运放（如AD711AH）的增益带宽积（GBP）是否足够支持系统产生的信号频率。混沌信号频谱宽，需要高带宽运放。
  3. 函数发生器精度：AD639AD的输出精度在输入接近±90°（对应电压）时会下降。确保 (v_\phi) 的电压范围在其高精度输入范围内。
  4. 乘法器象限：AD633JNZ是四象限乘法器，但需注意其输入输出缩放因子（通常为1/10）。
  5. 寄生电容与布线：高频下，电路板布线引入的寄生电容和电感可能引起振荡或信号失真。布局应紧凑，模拟地线设计良好。

5.4 应用前景与拓展

这个基于余弦忆导的系统，其最大的应用潜力在于其极高的初始条件敏感性和丰富的编码能力。

• 保密通信：可以将不同的信息位映射到不同的初始条件上。发送方和接收方共享同一系统结构和参数，通过切换初始条件来生成不同的混沌载波，实现多模式混沌键控。
• 真随机数生成：利用系统对初始条件的极端敏感性，即使初始条件有极其微小的差异（如热噪声），也会产生完全不同的、不可预测的轨道，可以用于提取高质量的随机比特流。
• 类脑计算与联想记忆：系统的极端多稳态性可以类比于神经网络的多个稳定状态（记忆模式）。通过设计合适的输入（脉冲），可以将系统“推入”某个特定的吸引子（唤醒特定记忆），这为构建新型的忆阻神经网络提供了物理原型。

最后，我个人在研究和仿真这类系统时最深的体会是：简单非线性元素的巧妙组合，往往能迸发出令人惊叹的复杂动力学。余弦函数是一个在数学上被研究得极为透彻的基本函数，但将其作为忆导模型嵌入一个合适的动力系统框架后，却能产生如此深邃而美丽的行为——无穷无尽的共存吸引子、周期性的结构演变、对历史路径的深刻记忆。这提醒我们，在工程创新中，有时回归到最基本、最经典的数学元件，从新的角度进行组合与诠释，或许比一味追求复杂的模型更能取得突破。