Anfang Präsentation 2. Februar, 2005 Behandlung von Unstetigkeiten II Wir wollen uns heute nochmals mit der Modellierung von Unstetigkeiten befassen. Zunächst.

Slides:



Advertisements
Ähnliche Präsentationen
Abschlussprüfung an Realschulen
Advertisements

Algorithmen und Datenstrukturen
Algorithmentheorie 08 – Dynamische Programmierung (1)
Kantenbasierte Verfahren
Rekursion: Rekurrenz: Algorithmen rufen sich selbst (rekursiv) auf.
Falls Algorithmen sich selbst rekursiv aufrufen, so kann ihr Laufzeitverhalten bzw. ihr Speicherplatzbedarf in der Regel durch eine Rekursionsformel (recurrence,
Vorlesung Programmieren II
Simulation komplexer technischer Anlagen
Vom graphischen Differenzieren
Inhalt der Präsentation
CME – koronaler Massenauswurf Dirk Gerbig
Finale Semantik und beobachtbares Verhalten
Der Dreisatz ist eine Verhältnisrechnung, bei der verschieden Größen z
Bitte zu zweit an einen Rechner setzen
Prof. Dr. Holger Schlingloff
Numerik partieller Differentialgleichungen
Der Biegebalken Der Biegebalken
1 Vorlesung Informatik 2 Algorithmen und Datenstrukturen (03 – Verschiedene Algorithmen für dasselbe Problem) Prof. Dr. Th. Ottmann.
WS Algorithmentheorie 01 – Divide and Conquer (Segmentschnitt) Prof. Dr. Th. Ottmann.
Bestimmung des Next-Arrays im KMP-Algorithmus
1 Vorlesung Informatik 2 Algorithmen und Datenstrukturen (03 – Verschiedene Algorithmen für dasselbe Problem) Prof. Dr. Th. Ottmann.
1 Vorlesung Informatik 2 Algorithmen und Datenstrukturen (03 – Verschiedene Algorithmen für dasselbe Problem) Prof. Dr. Th. Ottmann.
Computerkurs: Quantitative Auswertung biochemischer Experimente Tag 8 Einführung in die numerische Integration Aufgabe 18: Simulation einer Assoziationskinetik.
PRJ 2007/1 Stefan Dissmann Motivation Problem: gleiche Datenstrukturen werden für verschiedene Objekte gebraucht: z.B. Listen von Studierenden, Kunden,
PKJ 2005/1 Stefan Dissmann Rückblick auf 2005 Was zuletzt in 2005 vorgestellt wurde: Klassen mit Attributen, Methoden und Konstruktoren Referenzen auf.
Zusammenfassung Vorwoche
Wieviel Programmieren-Können braucht man in der Mathematiklehre? Arbeitsgruppe MU&I Ak der GDM Dillingen2005, Ltg: Haftendorn Teilnehmer: Epkenhans, Martin.
Die Kräfte sind bekannt
Abstrakte Klassen, Interface
Data Documentation Initiative (DDI)
Variationsformalismus für das freie Teilchen
Thermische Modellierung von Gebäuden II
Universität Stuttgart Wissensverarbeitung und Numerik I nstitut für K ernenergetik und E nergiesysteme Numerik partieller Differentialgleichungen, SS 01Teil.
Javakurs FSS 2012 Lehrstuhl Stuckenschmidt
Numerische Lösung chemischer Gleichungen
Anfang Präsentation 1. Dezember, 2004 Dymolas Bondgraphenbibliothek In dieser Vorlesung wollen wir uns mit einigen Aspekten der Konstruktion einer Bondgraphen-
Anfang Präsentation 8. Dezember, 2004 Thermische Modellierung von Gebäuden I Dieses ist die erste von drei Vorlesungen, welche sich mit der thermischen.
Vom Umgang mit Daten. public void myProgram() { int[] saeulenWerte = new int[world.getSizeX()]; for (int i = 0; i < saeulenWerte.length; i++) { saeulenWerte[i]
Christian Mansky Design - Fallstudien Christian Mansky
Modellierung Elektrischer Schaltkreise
Planar Mechanical Systems
Anfang Präsentation 27. Oktober, 2004 Objektorientierte Modellierung Diese Vorlesung hat zum Ziel, die Anforderungen an eine objektorientierte Modellierung.
Konvektive Massenflüsse III
Bondgraphen I Bis anhin haben wir uns mit der symbolischen Manipulation von differentialalgebraischen Gleichungssystemen befasst. Die Frage, wo die Gleichungen.
Anfang Präsentation 20. Oktober, 2004 Elektrische Schaltungen I Diese Vorlesung diskutiert die mathematische Modellierung einfacher elektrischer linearer.
Algebraische Schleifen und Strukturelle Singularitäten
Lösung nichtlinear Gleichungssysteme
Anfang Präsentation 10. November, 2004 Effiziente Lösung von Gleichungssystemen In dieser Vorlesung wird die effiziente gemischt symbolisch/numerische.
Anfang Präsentation 8. Dezember, 2004 Modellierung Bipolarer Transistoren In dieser Vorlesung befassen wir uns mit einer Anwendung gemischt elektrischer.
Das Entfernen struktureller Singularitäten mittels Pantelides Algorithmus Diese Vorlesung stellt ein Verfahren vor, welches dazu verwendet werden kann,
Anfang Präsentation 24. November, 2004 Bondgraphen II In dieser Vorlesung befassen wir uns mit den Auswirkungen algebraischer Schleifen und struktu- reller.
Behandlung Singulärer Subsysteme mittels Graphentheorie
Zum Starten und Weiterführen der Präsentation genügt ein Mausklick!
Strategie der Modellbildung
Mathematik 1. Studienjahr Modul M1: Elemente der Mathematik
PHP: Operatoren und Kontrollstrukturen
Lineare Gleichungen mit 2 Variablen
Modellbasierte Software-Entwicklung eingebetteter Systeme
Die Wege - Modellierung und Simulation von biochemischen Stoffwechselpfaden Ursula Kummer EML Research gGmbH.
Mehrfachausführungen Schleifen in VB 2010 ee. Programmidee: Der Anwender gibt eine Zahl ein, und das Programm gibt die Mehrfachen dieser Zahl aus (das.
Vom graphischen Differenzieren
Dr.-Ing. René Marklein - NFT I - WS 06/07 - Lecture 4 / Vorlesung 4 1 Numerical Methods of Electromagnetic Field Theory I (NFT I) Numerische Methoden der.
Anfang Präsentation 3. November, 2004 Tarjan’s Schleifenaufbrechalgorithmus In dieser Vorlesung wird ein Verfahren vorgestellt, welches in der Lage ist,
Kapitel 3: Erhaltungssätze
Thermodynamik Bisher haben wir den thermischen Bereich ausgeklammert. Dieser ist aber fundamental fürs Verstehen der Physik. Wir haben gesagt, dass Energie.
Die theoretischen Grundlagen der Bondgraphen-Methodik
Anfang Präsentation 2. Februar, 2005 Behandlung von Unstetigkeiten Wir wollen uns heute dem Problem der Behandlung von Unstetigkeiten in der Modellbeschreibung.
Diskrete Mathe Diskrete Mathematik I Listen Vorlesung 4.
Dr. Wolfram Amme, Semantik funktionaler Programme, Informatik II, FSU Jena, SS Semantik funktionaler Programme.
Differentialgleichungen oder wie beschreibt man Veränderung
 Präsentation transkript:

Anfang Präsentation 2. Februar, 2005 Behandlung von Unstetigkeiten II Wir wollen uns heute nochmals mit der Modellierung von Unstetigkeiten befassen. Zunächst soll eine weitere Methode zu deren mathematischer Modellierung diskutiert werden, bei welcher parametrisierte Kurvenbeschreibungen ver- wendet werden. Sodann wollen wir uns mit dem Problem der variablen Kausalität befassen. Schliesslich soll eine Methode besprochen werden, die es erlaubt, Kausalitätsprobleme elegant zu lösen.

Anfang Präsentation 2. Februar, 2005 Übersicht Parametrisierte KurvenbeschreibungenParametrisierte Kurvenbeschreibungen Die Kausalität der SchaltgleichungDie Kausalität der Schaltgleichung Leckende DiodenLeckende Dioden Singuläre SchaltgleichungenSinguläre Schaltgleichungen Inline IntegrationInline Integration Die Kausalität bei der Inline IntegrationDie Kausalität bei der Inline Integration

Anfang Präsentation 2. Februar, 2005 Parametrisierte Kurvenbeschreibungen Es ist möglich, diskontinuierliche Kennlinien durch para- metrisierte Kurven zu beschreiben. Dieses Verfahren soll an Hand der Diodenkennlinie erklärt werden. u i sperrend leitend s = 0 s s Bereich: Bedingung: Gleichungen: sperrend: s < 0 u = s; i = 0 leitend: s > 0 u = 0; i = s Bereich = if s < 0 then sperrend else leitend; u = if Bereich == sperrend then s else 0 ; i = if Bereich == sperrend then 0 else s ;

Anfang Präsentation 2. Februar, 2005 Schalter offen: Division durch 0! i = 0 Schalter geschlossen: u = 0 Division durch 0! Die Kausalität der Schaltgleichung I Betrachten wir nochmals die Schaltgleichung in ihrer algebraischen Form: Wir können diese Gleichung entweder nach u oder nach i auflösen: 0 = s · i + ( 1 – s ) · u u = s s – 1 · i Schalter offen: s = 1 Schalter geschlossen: s = 0 i = s s – 1 · u

Anfang Präsentation 2. Februar, 2005 Die Kausalität der Schaltgleichung II Keine der beiden kausalen Gleichungsformen funktioniert in beiden Schalterstellungen. Entweder die eine oder andere Schalterstellung führt zu einer Division durch 0. Dies ist exakt, was bei der Simulation passieren wird, falls die Kausalität der Schaltgleichung fest ist. Die Kausalität der Schaltgleichung muss immer frei sein. Die Schaltgleichung muss sich in einer algebraischen Schleife befinden.

Anfang Präsentation 2. Februar, 2005 Ein Beispiel I Beide Kausalitäten sind möglich. Somit gibt es keine Probleme bei der Simulation. C + ~ RiRi U0U0 D RLRL

Anfang Präsentation 2. Februar, 2005 Ein Beispiel II

Anfang Präsentation 2. Februar, 2005 L C + ~ U0U0 RLRL D Zweites Beispiel Die Kausalität ist fest. Somit gibt es Probleme bei der Simulation.

Anfang Präsentation 2. Februar, 2005 Nicht so ideale Diode I Eine Möglichkeit, das Kausalitätsproblem zu umgehen, besteht darin, einen Restwiderstand R on beim geschlossenen Schalter sowie einen Restleitwert G off beim offenen Schalter anzunehmen. u i sperrend leitend s = 0 s s Bereich: Bedingung: Gleichungen: sperrend: s < 0 u = s; i = G off · s leitend: s > 0 u = R on · s; i = s Bereich = if s < 0 then sperrend else leitend; u = s*( if Bereich == sperrend then 1 else R on ); i = s*( if Bereich == sperrend then G off else 1 );

Anfang Präsentation 2. Februar, 2005 Nicht so ideale Diode II Dies ist die Lösung, die in Modelica gewählt wurde.

Anfang Präsentation 2. Februar, 2005 Probleme I Für elektrotechnische Anwendungen ist die Lösung mit der leckenden Diode häufig akzeptabel. Ein Problem liegt in der Numerik. Wenn die ideale Diodenschaltung von Divisionsproblemen geplagt wird, führt die leckende Diodenschaltung unweigerlich zu einem steifen System. Steife Systeme können zwar in Modelica unter Verwendung des (standardmässig verwendeten) DASSL Integrationsalgorithmus gelöst werden. Dies ist aber zeitaufwendig, und zumindest für Echtzeitanwendungen nicht geeignet.

Anfang Präsentation 2. Februar, 2005 Probleme II Bei mechanischen Anwendungen eignet sich die Methode weniger, da zum Beispiel Reibungskennlinien häufig sehr genau simuliert werden müssen, und da in der Mechanik die Kausalitäten eigentlich immer fest sind. Die Massen berechnen sämtliche Geschwindigkeiten, und die Reibungs- und Federkräfte müssen somit von den R- bzw. C-Elementen in vorgegebener Kausalität berechnet werden. Somit sollte dort eine andere Lösung gesucht werden.

Anfang Präsentation 2. Februar, 2005 Inline Integrationsalgorithmus Bei der Inline Integration wird der Integrationsalgorithmus direkt in die Modellgleichungen eingebaut (oder umgekehrt: die Modellgleichungen werden in den Integrationsalgorithmus eingebaut). Betrachten wir eine Induktivität integriert unter Verwendung des impliziten Eulerverfahrens. u L = L · di L /dt i L (t) = i L (t h) + h · di L (t) /dt i L (t) = i L (t h) + (h/L) · u L (t)

Anfang Präsentation 2. Februar, 2005 Die Kausalität bei der Inline Integration i L (t) = i L (t h) + (h/L) · u L (t) Bekannt, da in der Ver- gangenheit berechnet. Algebraische Beziehung zwischen i und u. Diese sieht nun aus wie ein Widerstand. Somit ist die Kausalität frei. Bei Verwendung des Inline Integrationsalgorithmus werden die Kausalitäten der so integrierten Speicherelemente frei gesetzt. Dadurch verschwindet das Divisionsproblem.

Anfang Präsentation 2. Februar, 2005 Referenzen I Elmqvist, H., M. Otter, and F.E. Cellier (1995), Inline Integration: A New Mixed Symbolic/Numeric Approach for Solving Differential-Algebraic Equation Systems, Proc. ESM95, European Simulation Multi-conference, Prague, Czech Republic, pp. xxiii – xxxiv.Inline Integration: A New Mixed Symbolic/Numeric Approach for Solving Differential-Algebraic Equation Systems Otter, M., H. Elmqvist, and S.E. Mattsson (1999), Hybrid Modeling in Modelica Based on the Synchronous Data Flow Principle, Proc. CACSD99, Computer-Aided Control System Design, Hawaii, pp Hybrid Modeling in Modelica Based on the Synchronous Data Flow Principle

Anfang Präsentation 2. Februar, 2005 Referenzen II Krebs, M. (1997), Modeling of Conditional Index Changes, MS Thesis, Dept. of Electr. & Comp. Engr., University of Arizona, Tucson, AZ.Modeling of Conditional Index Changes