Sistema accoppiato di 4 equazioni differenziali - Python

Question

Ho il sistema accoppiato di 4 equazioni differenziali nella foto. Ho 4 funzioni (xG; yG; gamma; beta) e le loro derivate. Sono tutti funzione della stessa variabile indipendente t.

Sto cercando di risolverlo con odeint. Il problema è che, per farlo, penso di aver bisogno di esprimere il sistema in modo tale che ogni derivata seconda non dipenda da altre derivate seconde. Ciò comporta una quantità di matematica che sicuramente mi porterà a un errore da qualche parte (ho provato!).

Sai come potrei:

1. Risolvi questo sistema di equazioni differenziali com'è?
2. o ottenere Python per isolare le seconde derivate per me?

Allego il mio codice di prova

Grazie

import numpy
import math
from numpy import loadtxt
from pylab import figure,  savefig
import matplotlib.pyplot as plt
# Use ODEINT to solve the differential equations defined by the vector field
from scipy.integrate import odeint



def vectorfield(w, t, p):
    """
    Defines the differential equations for the coupled system.

    Arguments:
        w :  vector of the state variables:
                  w = [Xg, Xg1 Yg, Yg1, Gamma, Gamma1, Beta, Beta1]
        t :  time
        p :  vector of the parameters:
                  p = [m, rAG, Ig,lcavo]
    """
#Xg is position ; Xg1 is the first derivative ; Xg2 is the second derivative (the same for the other functions)
        Xg, Xg1,  Yg, Yg1, Gamma, Gamma1, Beta, Beta1 = w
        Xg2=-(Ig*Gamma2*math.cos(Beta))/(rAG*m*(-math.cos(Gamma)*math.sin(Beta)+math.sin(Gamma)*math.cos(Beta)))
        Yg2=-(Ig*Gamma2*math.sin(Beta))/(rAG*m*(-math.cos(Gamma)*math.sin(Beta)+math.sin(Gamma)*math.cos(Beta)))-9.81
        Gamma2=((Beta2*lcavo*math.sin(Beta))+(Beta1**2*lcavo*math.cos(Beta))+(Xg2)-(Gamma1**2*rAG*math.cos(Gamma)))/(rAG*math.sin(Gamma))
        Beta2=((Yg2)+(Gamma2*rAG*math.cos(Gamma))-(Gamma1**2*rAG*math.sin(Gamma))+(Beta1**2*lcavo*math.sin(Beta)))/(lcavo*math.cos(Beta))
        m, rAG, Ig,lcavo, Xg2,  Yg2, Gamma2, Beta2 = p
    
    
    # Create f = (Xg', Xg1' Yg', Yg1', Gamma', Gamma1', Beta', Beta1'):
    f = [Xg1,
         Xg2,
         Yg1, 
         Yg2, 
         Gamma1, 
         Gamma2, 
         Beta1, 
         Beta2]
         
    return f

    


# Parameter values
m=2.722*10**4
rAG=2.622
Ig=3.582*10**5
lcavo=4
# Initial conditions
Xg = 0.0
Xg1 = 0
Yg = 0.0
Yg1 = 0.0
Gamma=-2.52
Gamma1=0
Beta=4.7
Beta1=0

# ODE solver parameters
abserr = 1.0e-8
relerr = 1.0e-6
stoptime = 5.0
numpoints = 250

#create the time values
t = [stoptime * float(i) / (numpoints - 1) for i in range(numpoints)]
Deltat=t[1]
# Pack up the parameters and initial conditions:
p = [m, rAG, Ig,lcavo, Xg2,  Yg2, Gamma2, Beta2]
w0 = [Xg, Xg1,  Yg, Yg1, Gamma, Gamma1, Beta, Beta1]

# Call the ODE solver.
wsol = odeint(vectorfield, w0, t, args=(p,),
              atol=abserr, rtol=relerr)

Answer 1

Devi riscrivere tutti i tuoi derivati ​​del secondo ordine come quelli del primo ordine e risolvere 8 ODE insieme:

Quindi hai bisogno delle condizioni iniziali per tutti i derivati, ma sembra che tu abbia già. Cordiali saluti, il tuo codice non viene eseguito ( line 71: NameError: name 'Xg2' is not defined), per favore controllalo.

Inoltre, per ulteriori informazioni vedere la risoluzione numerica dell'ODE di 2 ° ordine .

EDIT # 1: al primo passaggio, è necessario disaccoppiare il sistema di equazioni. Sebbene tu possa risolverlo manualmente, non lo consiglierei, quindi usiamo il sympymodulo:

import sympy as sm
from sympy import symbols

# define symbols. I assume all the variables are real-valued, this helps the solver. If not, I believe the result will be the same, but just calculated slower
Ig, gamma, gamma1, gamma2, r, m, beta, beta1, beta2, xg2, yg2, g, l = symbols('I_g, gamma, gamma1, gamma2, r, m, beta, beta1, beta2, xg2, yg2, g, l', real = True)

# define left hand sides as expressions
# 2nd deriv of gamma
g2 = (beta2 * l * sm.sin(beta) + beta1**2 *l *sm.cos(beta) + xg2 - gamma1**2 *r * sm.cos(gamma))/(r*sm.sin(gamma))
# 2nd deriv of beta
b2 = (yg2 + gamma2 * r * sm.cos(gamma) - gamma1**2 *r * sm.sin(gamma) + beta1**2 *l *sm.sin(beta))/(l*sm.cos(beta))
# 2nd deriv of xg
x2 = -Ig*gamma2*sm.cos(beta)/(r*m*(-sm.sin(beta)*sm.cos(gamma) + sm.sin(gamma)*sm.cos(beta)))
# 2nd deriv of yg
y2 = -Ig*gamma2*sm.sin(beta)/(r*m*(-sm.sin(beta)*sm.cos(gamma) + sm.sin(gamma)*sm.cos(beta))) - g

# now let's solve the system of four equations to decouple second order derivs
# gamma2 - g2 means "gamma2 - g2 = 0" to the solver. The g2 contains gamma2 by definition
# one could define these equations the other way, but I prefer this form
result = sm.solve([gamma2-g2,beta2-b2,xg2-x2,yg2-y2],
                  # this line tells the solver what variables we want to solve to
                  [gamma2,beta2,xg2,yg2] )
# print the result
# note that it is long and ugly, but you can copy-paste it as python code
for res in result:
    print(res, result[res])

ora abbiamo tutti i derivati ​​del 2 ° ordine disaccoppiati. Ad esempio, l'espressione per beta2è

quindi esso (e anche tutti gli altri derivati ​​del 2 ° ordine) ha la forma

nota che non c'è dipendenza da xgo yg.

Introduciamo le due nuove variabili be k:

poi il

diventa

e il sistema completo di ODE da risolvere lo è

Ora tutte le ODE dipendono da quattro variabili che non sono derivate da nulla. Inoltre, poiché le xge ygsono degenerate, ci sono anche solo 6 equazioni invece di 8. Tuttavia, è possibile riscrivere queste due equazioni nello stesso modo gammae betaper ottenere un sistema completo di 8 equazioni e integrarle insieme.