Simulation komplexer technischer Anlagen

Slides:



Advertisements
Ähnliche Präsentationen
Lösung nichtlinearer Gleichungssysteme
Advertisements

Versuch 1. Was wollen wir tun - das Pflichtenheft
Christian Scheideler SS 2009
V - Modell Anwendung auf große Projekte
Diese Fragen sollten Sie morgen beantworten können
Das virtuelle Physiklabor im Computer: Vom Experiment zur Simulation
Schnelle Matrizenoperationen von Christian Büttner
Modelle und Methoden der Linearen und Nichtlinearen Optimierung (Ausgewählte Methoden und Fallstudien) U N I V E R S I T Ä T H A M B U R G November 2012.
Unterstützung des Lernprozesses durch Graphen
Simulation komplexer technischer Anlagen
Diese Fragen sollten Sie beantworten können
V 5: Partielle Differentialgleichungen - Grundlagen
V11 Wellengleichung Teil 3: Numerische Verfahren zur Lösung partieller Differentialgleichungen V11: Wellengleichung als Beispiel der Diskretisierung.
Numerik partieller Differentialgleichungen
Diskretisierung der Wärmeleitgleichung
Lösung gewöhnlicher Differentialgleichungen
Simulation komplexer technischer Anlagen
Diese Fragen sollten Sie beantworten können
Was wir zur numerischen Lösung von Dglen wissen
Diese Fragen sollten Sie beantworten können
Lösung von linearen Gleichungssystemen - Grundlagen
Universität Stuttgart Wissensverarbeitung und Numerik I nstitut für K ernenergetik und E nergiesysteme Numerik partieller Differentialgleichungen, SS 03Teil.
V 7: Gewöhnliche Differentialgleichungen
Lösung von linearen Gleichungssystemen - Grundlagen
Numerische Methoden Teil V: Lösungen
1 Vorlesung Informatik 2 Algorithmen und Datenstrukturen (02 – Funktionenklassen) Prof. Dr. Th. Ottmann.
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (02 – Funktionenklassen) Tobias Lauer.
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (27 – Kürzeste Wege) Prof. Th. Ottmann.
Kapitel 5 Stetigkeit.
Computerkurs: Quantitative Auswertung biochemischer Experimente Tag 8 Einführung in die numerische Integration Aufgabe 18: Simulation einer Assoziationskinetik.
Lösung linearer Gleichungssysteme
Numerik partieller Differentialgleichungen
Universität Stuttgart Wissensverarbeitung und Numerik I nstitut für K ernenergetik und E nergiesysteme Numerik partieller Differentialgleichungen, SS 01Teil.
Universität Stuttgart Wissensverarbeitung und Numerik I nstitut für K ernenergetik und E nergiesysteme Numerische Methoden, SS 01Teil II: Kp. 22/1 Grundmodelle.
Beispiele für Gleichungssysteme
V 12: Systemen partieller Differentialgleichungen
Die Simulation von Planetenbewegungen
Folie 1 § 30 Erste Anwendungen (30.2) Rangberechnung: Zur Rangberechnung wird man häufig die elementaren Umformungen verwenden. (30.1) Cramersche Regel:
§9 Der affine Raum – Teil 2: Geraden
§11 Skalarprodukt. Euklidische Räume
Simulation komplexer technischer Anlagen
Universität Stuttgart Wissensverarbeitung und Numerik I nstitut für K ernenergetik und E nergiesysteme Numerik partieller Differentialgleichungen, SS 02Einführung.
Variationsformalismus für das freie Teilchen
§10 Vektorraum. Definition und Beispiele
Zeit, Ort und Weg Geschwindigkeit Beschleunigung
Sali zäma.
Universität Stuttgart Wissensverarbeitung und Numerik I nstitut für K ernenergetik und E nergiesysteme Numerik partieller Differentialgleichungen, SS 01Teil.
Effiziente Algorithmen
Numerische Lösung chemischer Gleichungen
Effiziente Algorithmen
Quantum Computing Hartmut Klauck Universität Frankfurt WS 04/
Beweissysteme Hartmut Klauck Universität Frankfurt WS 06/
Hartmut Klauck Universität Frankfurt WS 06/
§3 Allgemeine lineare Gleichungssysteme
Polynome und schnelle Fourier-Transformation
Gleichungen und Gleichungssysteme
von Renate Pauer Susanne Haberl am 11. April.2011
Lineare Algebra, Teil 2 Abbildungen
Lösung nichtlinear Gleichungssysteme
Strategie der Modellbildung
1 Albert-Ludwigs-Universität Freiburg Rechnernetze und Telematik Prof. Dr. Christian Schindelhauer Informatik III Christian Schindelhauer Wintersemester.
SFZ FN Sj. 13/14 Python 3 Rekursion Inf K1/2 Sj 13/14
Stetige Kleinste-Quadrate-Approximation
Vom graphischen Differenzieren
Theorie, Anwendungen, Verallgemeinerungen
Numerische Simulation des Stofftransports
Institut für Informationssysteme Technische Universität Braunschweig Institut für Informationssysteme Technische Universität Braunschweig Verdrängung von.
Differentialgleichungen oder wie beschreibt man Veränderung
Differentialgleichungen oder wie beschreibt man Veränderung
Differentialgleichungen oder wie beschreibt man Veränderung
 Präsentation transkript:

Simulation komplexer technischer Anlagen Teil II: Elemente zum Bau virtueller Anlagenkomponenten Kapitel 9: Algorithmen 3: Gewöhnliche Differentialgleichungen Inhalt • Gewöhnliche Differentialgleichungen • Euler-Verfahren • Runge-Kutta-Verfahren • Adams-Verfahren • Gear-Verfahren • Systeme gewöhnlicher Differentialgleichungen

Gewöhnliche Differentialgleichungen in a £ t £ b Zu lösen sei mit y(a) = yo Typischerweise hat bei solchen Problemen die unabhängige Variable die Bedeutung der Zeit. yo ist dann ein Anfangswert. Von den Problemen, die im Rahmen dieser Vorlesung behandelt werden, fordern wir: a) Sie müssen eine eindeutige Lösung y(t) haben. b) Die Lösung darf nur vom Anfangswert abhängen. c) Sie darf sich nur wenig ändern, wenn yo oder f wenig (z.B. durch Rundungsfehler) geändert werden. Ein System der Ordnung m ist durch m-Gleichungen definiert. Diskretisiert man dieses System, so erhält man ein System von Gleichungen, das man vorteilhaft mit Hilfe von Matrizen und Vektoren beschreibt.

Lösung gewöhnlicher Differentialgleichungen Integriert man so erhält man Das Intervall tn bis tn+1 heißt Zeitschritt n+1 für einen Zeitschritt gilt: Daraus ergeben sich folgende Möglichkeiten, yn+1 zu bestimmen: 1. Integration der rechten Seite nach dem Newton-Verfahren  Euler- und Runge-Verfahren. 2. Entwicklung der rechten Seite nach Lagrange-Funktionen und anschließende Integration  Adams-Verfahren. 3. Näherung der Ableitung (linke Seite) durch eine Approximation der Ordnung n  Gear-Verfahren. Die Verfahren werden in den folgenden Abschnitten kurz erläutert.

Euler-Verfahren Der Integrand wird durch einen konstanten Wert genähert. Dazu gibt es drei Möglichkeiten: a) f (y,t) = f (yn,tn) b) f (y,t) = f (yn+1, tn+1) c) f (y,t) = f (yn+, tn+ ) mit 0  q  1 Die rechte Seite wird damit Daraus folgen 3 Bestimmungsgleichungen für a) explizites Verfahren: yn+1 = yn + h • f (yn, tn) b) implizites Verfahren: yn+1 = yn + h f (yn+1, tn+1) (entspricht Iterationsvorschrift) c) modifiziertes Euler-Verfahren: yn+1 = yn + h f (yn+q , tn+q) Setzt man q = 0, 5, so folgt Prediktorschritt Korrektorschritt yn+1 = yn + h f (yn+1/2, t n+1/2) Euler-Verfahren entsprechen der Differenzennäherung

Die Wärmeleitgleichung als Beispiel Die Wärmeleitgleichung ist eigentlich eine partielle Differentialgleichung. Sie lautet Diskretisiert man zunächst den x-Raum, so erhält man x  xi, T  Ti und oder am Ortspunkt i Das ist eine gewöhnliche Differentialgleichung, allerdings aus einem System von Differentialgleichungen für alle diskreten Punkte des Ortsraumes. Zur Lösung des Problems benötigen wir Die Länge des Stabes Die Zahl der Punkte i Werte für T am linken und rechten Rand Einen Wert von  Die Dauer der Simulation Die Zahl der Zeitschritte Die Temperaturverteilung zum Zeitpunkt 0. Die Diskretisierung ist konsistent, wenn Orts- und Zeitableitung am gleichen Raum-Zeit-Punkt erfolgen.

Die Wärmeleitgleichung in diskreter Form Explizites Verfahren Implizites Verfahren Gemischtes Verfahren (Zwischenschrittverfahren) Fehlerfortpflanzung beim expliziten Verfahren Für cond g = verringert sich Fehler wegen folgt, daß a beschränkt ist, Dt und Dx hängen also voneinander ab.

Runge-Kutta-Verfahren Verwendet man zur Integration der rechten Seite Verfahren höherer Ordnung, so erhält man die Klasse der Runge-Kutta-Verfahren zur Lösung von gewöhnlichen Differentialgleichungen. a) Integration mit Trapez-Regel Verfahren von Heun Lösung iterativ mit Startwert b) Iteration mit Simpson-Regel Die Simpson-Regel verwendet die Punkte tn,tn+1/2 und t n+1 zur Integration, f (y,t) muß also an diesen Punkten genähert werden. Dies leistet gerade das Runge-Kutta-Verfahren der Ordnung 4. Die Zwischenwerte werden wie folgt genähert: Für f (y,t) = f (t) degeneriert das Verfahren zur Simpson-Formel.

Beispiel zum Runge-Kutta-Verfahren Gegeben sei das Anfangswertproblem: = y2 y (0) = -  0  t  0,3 h = 0,1 Und für den Schritt n+1 folgt:

Adams-Verfahren

Baskford-Adams-Verfahren Man unterscheidet zwei Fälle: a) j = 1 Verfahren nach Adams-Baskford Bestimmung von yn+1: Integration zwischen tn und tn+1 Entwicklung von f bis zur Stelle tn Aus Entwicklung bis tn wird Verlauf extrapoliert - Prediktor-Schritt. Für die Integrale n; gilt

Adams-Moulton-Verfahren b) j = 0 Verfahren nach Adams-Moulton Bestimmung von yn+1 Integration zwischen tn und tn+1 Entwicklung von f bis zur Stelle tn+1 (ersetze n durch n+1 in allgemeiner Formel) Entwicklung verwendet schon Endwert - Korrektor-Schritt oder implizit. Lösungen nur iterativ. Für die Integrale von bni gilt

Gear-Verfahren - 1

Gear-Verfahren - 2

Stabilität

Systeme gewöhnlicher Differentialgleichungen Ein System der Ordnung m wird durch m Gleichungen definiert Diskretisiert man dieses System, so kann man für jede Gleichung eine der beschriebenen Methoden verwenden. Die Auswahl muß nach physikalischen Gesichtspunkten geschehen. Haben die Gleichung verschiedene Zeitkonstanten, wird das Gleichungssystem "steif". Dann breiten sich Fehler stark aus (implizite Lösugnen). Hat man Nichtlinearitäten zu betrachten, so müssen Newton- oder Newton-Raphson-Methoden zur Lösung verwendet werden.

Lösung von Systemen gewöhnlicher Differentialgleichungen Die zugehörige Jakobi- oder Hesse-Matrix erhält man durch Ableitung der Ausgangsgleichung. Sie hat folgende Elemente:

Aufbau eines Programms zur Lösung von Differentialgleichungen Die numerische Lösung von Differentialgleichungen kann - zumindest für einfache Probleme - schnell und übersichtlich programmiert werden. Im Folgenden ist ein typisches Flußdiagramm gezeigt. Lösung des Gleichungssystems Berechnung der rechten Seiten Neue Matrizen Nicht linear ja nein (bei Quellrechnung, Endzeitpunkt, Endgenauigkeit) Eingabe und ihre Verarbietung Geometrie, Materialdaten, Randbedingungen, Anfangswerte Ausgabe Nein linear Erzeugung des Gleichungssystems Ende Zeitfortschaltung, Eigenwertiteration, Nichtlinearität