我用scipy ode来解决摆锤问题。在
from scipy import *
import matplotlib.pyplot as plt
from scipy.integrate import ode
def pendulumdot(t, y, gamma, omega0, Fd):
theta, v = y[0], y[1]
return array([v, -2*gamma*v-omega0**2*sin(theta)+Fd*cos(2*pi*t)])
def pendulum_sample(theta0, thetadot0, gamma, omega0, Fd, t):
Theta0 = array([theta0, thetadot0])
r = ode(pendulumdot)
r.set_integrator('dopri5')
r.set_initial_value(Theta0)
r.set_f_params( gamma, omega0, Fd)
#r.set_jac_params()
theta = zeros(len(t))
thetadot = zeros(len(t))
theta[0] = theta0
thetadot[0] = thetadot0
for n in range(1, len(t)):
r.integrate(t[n])
assert r.successful()
theta[n] = (r.y)[0]
thetadot[n] = (r.y)[1]
return theta, thetadot
def pendulum_demo():
gamma = 0.1
omega0 = 10.0
theta0 = 0.0
thetadot0 = 0.0
Fd = 50.0
t1 = linspace(0, 200, 10000)
theta1, thetadot1 = pendulum_sample(theta0, thetadot0, gamma, omega0, Fd, t1)
plt.plot(t1, theta1)
t2 = linspace(0, 150, 10000)
theta2, thetadot2 = pendulum_sample(theta0, thetadot0, gamma, omega0, Fd, t2)
plt.plot(t2, theta2)
plt.show()
pendulum_demo()
我画了两个不同时间范围的θ与时间的关系图,一个是(0,150),一个是(0,200)。我所期望的是,这两个数字在时间范围内(0,150)应该是相同的,然而,这不是我观察到的。我的剧本有什么问题吗?谢谢。
您可能应该使用完整的初始化,如
这使您可以控制绝对和相对错误阈值,并显式设置初始时间。在
您的系统有一个Lipschitz常数
L
大约或更大omega0**2=100
。误差传播受因素exp(L*(t_final-t))
控制。在例如,从时间50到时间150,这个因子是
exp(100*100)
,大约是10^4343
。对于所有实际目的,这意味着最终值与初始值之间没有明显的依赖关系,即系统是混沌的。在实际的一面看起来比这个悲观的估计要好一些,因为两条曲线都符合}。对于大小为100的区间,这给出了
t=10
。这意味着,假设误差容限是1e-8
,那么exp(L*10)<=1e+8
或{exp(L*100)=1e+80
的误差放大因子,它仍然足够大,可以称结果为混沌。在误差阈值实验表明,初始发散点在},这仍然与最后的估计相一致,远远小于理论上的{}。在
t=8.4
附近对相对误差不敏感。此外,发散产生了(在我的实验中,而不是你的图片中)从1到24的差异增长,产生了大约{为了更好地了解发生了什么,你还应该调查一下衍生工具图
^{pr2}$这清楚地证明了混沌行为的起源。在
相关问题 更多 >
编程相关推荐