Hur simuleras Differential-Algebraiska Ekvationer?

Relevanta dokument
Differentialekvationssystem

Ordinära differentialekvationer,

LINJÄRA DIFFERENTIALEKVATIONER AV FÖRSTA ORDNINGEN

Laborationstillfälle 4 Numerisk lösning av ODE

KURVOR OCH PÅ PARAMETERFORM KURVOR I R 3. P(t)=(x(t),y(t),z(t)) T=(x (t),y (t),z (t)) r(t)=(x(t),y(t),z(t))

Reglerteknik AK, FRT010

Informationsteknologi

TENTAMEN HF1006 och HF1008

Följande uttryck används ofta i olika problem som leder till differentialekvationer: Formell beskrivning

Följande uttryck används ofta i olika problem som leder till differentialekvationer: Formell beskrivning

Följande uttryck används ofta i olika problem som leder till differentialekvationer: A=kB. A= k (för ett tal k)

m Animering m Bilder m Grafik m Diskret representation -> kontinuerlig m En interpolerande funktion anvšnds fšr att

Om exponentialfunktioner och logaritmer

Genom att uttrycka y-koordinaten i x ser vi att kurvan är funktionsgrafen till y = x 2. Lektion 2, Flervariabelanalys den 19 januari 2000

{ } = F(s). Efter lång tid blir hastigheten lika med mg. SVAR: Föremålets hastighet efter lång tid är mg. Modul 2. y 1

2 Laboration 2. Positionsmätning

Skattning av respirationshastighet (R) och syreöverföring (K LA ) i en aktivslamprocess Projektförslag

3D vattenanimering Joakim Julin Department of Computer Science Åbo Akademi University, FIN Åbo, Finland

Demodulering av digitalt modulerade signaler

Datorlaborationer i matematiska metoder E2, fk, del B (TMA980), ht05

TENTAMEN Datum: 12 mars 07. Kurs: MATEMATIK OCH MATEMATISK STATISTIK 6H3000, 6L3000, 6A2111 TEN 2 (Matematisk statistik )

Sammanfattning av föreläsning 11. Modellbygge & Simulering, TSRT62. Föreläsning 12. Simulering. Föreläsning 12. Numeriska metoder och Simulering

KONTROLLSKRIVNING 3. Kurs: HF1012 Matematisk statistik Lärare: Armin Halilovic

Tentamen TEN1, HF1012, 16 aug Matematisk statistik Kurskod HF1012 Skrivtid: 8:15-12:15 Lärare och examinator : Armin Halilovic

Kurs: HF1012 Matematisk statistik Lärare: Armin Halilovic

Funktionen som inte är en funktion

TENTAMENSSKRIVNING ENDIMENSIONELL ANALYS DELKURS B2/A , arctan x x 2 +1

a) Beräkna arean av triangeln ABC då A= ( 3,2,2), B=(4,3,3) och C=( 5,4,3).

Föreläsning 8. Kap 7,1 7,2

5B1134 MATEMATIK OCH MODELLER FEMTE FÖRELÄSNINGEN INTEGRALER

Lite grundläggande läkemedelskinetik

AMatematiska institutionen avd matematisk statistik

uhx, 0L f HxL, u t Hx, 0L ghxl, 0 < x < a

Om antal anpassningsbara parametrar i Murry Salbys ekvation

Föreläsning 7 Kap G71 Statistik B

Laplacetransformen. Från F till L. Den odiskutabla populäriteten hos Fourierintegralen. f HtL - w t t, w œ R (1)

Lösningar till Matematisk analys IV,

Laboration 3: Växelström och komponenter

Analys och modellering av ljusbåglängdsregleringen i pulsad MIG/MAG-svetsning

INTEGRALER AV TRIGONOMETRISKA FUNKTIONER. Viktiga trigonometriska formler vid beräkning av integraler: (F1) (F2) (F3)

DN1240 numi12 1

Laboration 2. Minsta kvadratproblem

1 Elektromagnetisk induktion

ES, ISY Andra kurser under ht 2014! Räkna inte med att ha en massa tid då! Och ni har nog glömt en del så dags...

Introduktion till Reglertekniken. Reglerteknik. Vad är Reglerteknik? Vad är Reglerteknik? Vad är Reglerteknik? Önskat värde Börvärde

Lösningar till tentamen i Kärnkemi ak den 21 april 2001

FÖRELÄSNING 13: Tidsdiskreta system. Kausalitet. Stabilitet. Egenskaper hos ett linjärt, tidsinvariant system (LTI)

Ekvationen (ekv1) kan bl. annat beskriva värmeledningen i en tunn stav där u( x, betecknar temperaturen i punkten x vid tiden t.

Liten formelsamling Speciella funktioner. Faltning. Institutionen för matematik KTH För Kursen 5B1209/5B1215:2. Språngfunktionen (Heavisides funktion)

Hambley avsnitt På föreläsningen behandlas även transkonduktans-, transresistans- och strömförstärkaren, se förra veckans anteckningar.

Föreläsning 4. Laplacetransformen? Lösning av differentialekvationer utan Laplacetransformen. Laplacetransformen Överföringsfunktion

AMatematiska institutionen avd matematisk statistik

Biomekanik, 5 poäng Kinetik Härledda lagar

Skillnaden mellan KPI och KPIX

Kursens innehåll. Ekonomin på kort sikt: IS-LM modellen. Varumarknaden, penningmarknaden

in t ) t -V m ( ) in - Vm

LAB 4. ORDINÄRA DIFFERENTIALEKVATIONER. 1 Inledning. 2 Eulers metod och Runge-Kuttas metod

Uppgifter i simuleringskursen

bättre säljprognoser med hjälp av matematiska prognosmodeller!

Aktiverade deltagare (Vetenskapsteori (4,5hp) HT1 2) Instämmer i vi ss mån

Ökad produktivitet hos Sandvik Process Systems efter reglertekniska förbättringar

Tentamen: Miljö och Matematisk Modellering (MVE345) för TM Åk 3, VÖ13 klockan den 27:e augusti.

Föreläsning 19: Fria svängningar I

Tentamensskrivning i Matematik IV, 5B1210.

= (x, y) : x 2 +y 2 4, x 0, y (4r2 +1) 3 2

Om exponentialfunktioner och logaritmer

Elektroniska skydd Micrologic 2.0 och 5.0 Lågspänningsutrustning. Användarmanual

Objects First With Java A Practical Introduction Using BlueJ. 4. Grouping objects. Collections och iterators

Regelstyrd penningpolitik i realtid

FÖRDJUPNINGS-PM. Nr Räntekostnaders bidrag till KPI-inflationen. Av Marcus Widén

Uppgifter i simuleringskursen

På föreläsningen går jag relativt snabbt igenom grunderna fourierserieutveckling av periodiska signaler, bild 2 7.

F5: Digital hårdvara. Digitala signaler. Fördelar med digitala system. Digital kontra Analog

Diverse 2(26) Laborationer 4(26)

Korttidsprediktering av restider med Holt-Winters metod

Egenvärden och egenvektorer

Konsumtion, försiktighetssparande och arbetslöshetsrisker

Tjänsteprisindex för varulagring och magasinering

Bandpassfilter inte så tydligt, skriv istället:

7,5 25 Blandade tider. 7,5 25 Blandade tider. 7,5 25 Blandade tider

Från kap. 25: Man får alltid ett spänningsfall i strömmens riktning i ett motstånd.

3. Matematisk modellering

5. Tillståndsåterkoppling

Dagens förelf. Arbetslöshetstalet. shetstalet och BNP. lag. Effekter av penningpolitik. Tre relationer:

Introduktion till Reglertekniken. Styr och Reglerteknik. Vad är Reglerteknik? Vad är Reglerteknik? Vad är Reglerteknik? Önskat värde Börvärde

Fastbasindex--Kedjeindex. Index av de slag vi hitintills tagit upp kallas fastbasindex. Viktbestämningar utgår från

Livförsäkringsmatematik II

8.4 De i kärnan ingående partiklarnas massa är

System, Insignal & Utsignal

System, Insignal & Utsignal

Kvalitativ analys av differentialekvationer

INSTUDERINGSUPPGIFTER

Pass Througheffekten i svenska importpriser

Lektion 3 Projektplanering (PP) Fast position Projektplanering. Uppgift PP1.1. Uppgift PP1.2. Uppgift PP2.3. Nivå 1. Nivå 2

INSTUDERINGSUPPGIFTER

Föreläsning 15: Faktorförsök

Föreläsning 8 Kap G71 Statistik B

System med variabel massa

En modell för optimal tobaksbeskattning

Transkript:

Hur simuleras Differenial-Algebraiska Ekvaioner? Jonas Elbornsson December 2, 2000 1 Inledning Dea är en sammanfaning av meoder för simulering av Differenial-Algebraiska Ekvaioner (DAE) för kursen i Modellering given av Reglereknik HT 2000. Förs beskrivskorfaa meoder för simulering av OrdinäraDifferenial-Ekvaioner (ODE) efersom simuleringsmeoderna för DAE bygger på dessa. En DAE kan innehålla både differenialekvaioner och saiska samband och kan allmän beskrivas av F(ẏ, y) =0 (1) 2 Simuleringsmeoder för ODE Här beskrivs meoder för a lösa ODE, dvs sysem av ypen 2.1 Eulers meod ẏ = f(, y) (2) y( 0 )=y 0 (3) Eulers meod går u på a man inegrerar differenialekvaionen över e kor idsinervall, h: y( + h) =y()+ f(τ,y)dτ (4) Sedan approximeras inegralen med värde i ändpunken Dea ger simuleringsformeln f(τ,y)dτ hf(, y()) (5) y n+1 = y n + hf(, y n ) (6) y( 0 )=y 0 (7) 1

2.2 Runge-Kua-meoder Idén med Runge-Kua-meoder är a förbära simuleringsnoggrannheengenom a inegralen skaas noggrannare. f(τ,y(τ))dτ h f( + c i h, y( + c i h)) (8) y( + c i h)måse approximeras efersom de ine är kända vid idpunken. En s-segs Runge-kua-meod ges av k 1 = hf( n,y n +a 11 k 1 + +a 1s k s ) (9) k 2 = hf( n + c 2 h, y n + a 21 k 1 + +a 2s k s ) (10). (11) k s = hf( n + c s h, y n + a s1 k 1 + +a s,s 1 k s 1 ) (12) y n+1 = y n + b 1 k 1 + +b s k s (13) Om a ij 0,j inågonsans är Runge-Kua-meoden implici och e olinjär ekvaionssysem måse lösas för varje ieraion. 2.3 Mulisegsmeoder Mulisegsmeoder skiljer sig från Euler och Runge-Kua genom a flera gamla y-värden används isälle för bara e. α i y n+1 = h β i f( n+i,y n+i ) (14) De försa k värdena av y måse vara kända eller beräknas med någon ensegsmeod. Även här finns explicia och implicia varianer. 3 Simuleringmeoder för index 1 problem Index 1 problem kan skrivas på formen ẏ = f(y, z) 0=g(y, z) (15) Eulers meod kan användas direk på dea sysem genom a lösa ekvaionssyseme 0 = g(y n,z n ) numerisk map z n i varje seg. Eulers meod har dock dålig noggrannhe. 3.1 Runge-Kua-meoder Runge-Kua-meoder kan användas på index 1 problem genom e lie rick. Beraka syseme ẏ = f(y, z) εż = g(y, z) (16) 2

Då ε 0övergår 16 ill DAE:n 15. På syseme 16 kan Runge-Kua användas. Välj en Runge-Kua-meod med koefficiener a ij,b j och applicera på syseme 16. Y ni = y n + h a ij f(y nj,z nj ) (17) εz ni = εz n + h y n+1 = y n + h a ij g(y nj,z nj ) (18) b i f(y ni,z ni ) (19) εz n+1 = εz n + h b i g(y ni,z ni ) (20) Y ni, Z ni är en omparamerisering av RK-koefficienerna k i. Y ni = y n + a ij k (y) j (21) där k (y) i och k (z) i Z ni = z n + a ij k (z) j (22) är de delar av k i som hör ill respekive variabel. Bilda marisen a 11 a 1s A =..... (23) a s1 a ss RK-meoden måse vara sådan a A är invererbar ω 11 ω 1s A 1 =..... (24) ω s1 ω ss Från 18 kan man då lösa u g(y ni,z ni ) hg(y ni,z ni )=ε ω ij (Z nj z n ) (25) Genom a säa in 25 i 20 kan man eliminera ε ur uppdaeringen av z n.sedan kan man säa ε =0ochfå en ieraionsformel Y ni = y n + h a ij f(y nj,z nj ) (26) 0=g(Y nj,z nj ) (27) y n+1 = y n + h b i f(y ni,z ni ) (28) z n+1 =(1 b i ω ij )z n + i, b i ω ij Z nj (29) i, 3

Man måse allså lösa e olinjär ekvaionssysem numerisk i varje ieraion. Man kan visa a de globala fele för en RK-meod av ordning p är dvs lika bra som för ODE. 3.2 Mulisegsmeoder y n y( n )=O(h p ) (30) z n z( n )=O(h p ) (31) Mulisegsmeoder kan användas på index 1 problem med samma rick som användes för RK-meoder α i y n+i = h β i f(y n+i,z n+i ) (32) ε α i z n+i = h β i g(y n+i,z n+i ) (33) Här får man direk simuleringsformeln genom a säa ε = 0 α i y n+i = h 0=h (34) β i f(y n+i,z n+i ) (35) β i g(y n+i,z n+i ) (36) (37) Även här måse e olinjär ekvaionssysem lösas numerisk i varje seg. De globala fele för en mulisegsmeod av ordning p är dvs även här lika bra som för ODE y n y( n )=O(h p ) (38) z n z( n )=O(h p ) (39) 4 Simuleringmeoder för index 2 problem För index 2 problem krävs olika meoder för olika yper av sysem, här berakar vi semiexplicia sysem: ẏ = f(y, z) (40) 0=g(y) (41) För sysem av ypen 40 kan samma meoder som för index 1 användas, dvs både RK-meoderna och mulisegsmeoderna. Skaningsfele kan dock bli sörre för index 2 problem. För ex en mulisegsmeod av ordning p blir de lokala fele y n y( n )=O(h p+1 ) (42) z n z( n )=O(h p ) (43) 4

De globala fele kan uppskaas under vissa anaganden och kan i vissa fall bli lika bra som i index 1 falle. De finns flera specialfall av RK-meoderna, där man kan visa olika resula. Ex Projicerade Runge-Kua-meoder Collocaion mehods För vissa meoder blir fele sörre om seglängden minskas för mycke, så a fele kan vara av yp O(h p + 1 h ) 5 Referenser [1] E. Hairer, G.Wanner Solving Ordinary Differenial Equaions II, Siff and Differenial Algebraic Problems Springer-Verlag, 1991 [2] E. Hairer, G.Wanner Solving Ordinary Differenial Equaions I, Nonsiff Problems Springer-Verlag, 1991 [3] Paul M. Frank (Edior) Advances in conrol Kapiel 9: Nonlinear Descripor Sysems, S.L. Campbell, R. Nikoukhah, F. Delebeque s. 247-282 Springer 1999 5