21
8/1 Universität Stuttgart Wissensverarbeitung und Numerik Institut für Kernenergeti und Energiesystem Simulation technischer Systeme, WS 01/02 Kap. 8: Algorithmen-2 Simulation komplexer technischer Anlagen Teil II: Elemente zum Bau virtueller Anlagenkomponenten Kapitel 8: Algorithmen 2: Gewöhnliche Differentialgleichungen Inhalt Gewöhnliche Differentialgleichungen Euler- und Differenzen-Verfahren Verfahren höherer Ordnung Systeme gewöhnlicher Differentialgleichungen Experimente Freier Fall Explizite und implizite Zeitdiskretisierung

Universität Stuttgart Wissensverarbeitung und Numerik I nstitut für K ernenergetik und E nergiesysteme Simulation technischer Systeme, WS 01/02Kap. 8:

Embed Size (px)

Citation preview

Page 1: Universität Stuttgart Wissensverarbeitung und Numerik I nstitut für K ernenergetik und E nergiesysteme Simulation technischer Systeme, WS 01/02Kap. 8:

8/1

Universität Stuttgart  W

isse

nsv

erar

be

itu

ng

un

d N

um

erik

Institut für Kernenergetikund Energiesysteme

Simulation technischer Systeme, WS 01/02 Kap. 8: Algorithmen-2

Simulation komplexer technischer Anlagen

Teil II: Elemente zum Bau virtueller Anlagenkomponenten

Kapitel 8: Algorithmen 2: Gewöhnliche Differentialgleichungen

Inhalt

• Gewöhnliche Differentialgleichungen

• Euler- und Differenzen-Verfahren

• Verfahren höherer Ordnung

• Systeme gewöhnlicher Differentialgleichungen

Experimente

Freier Fall

Explizite und implizite Zeitdiskretisierung

Page 2: Universität Stuttgart Wissensverarbeitung und Numerik I nstitut für K ernenergetik und E nergiesysteme Simulation technischer Systeme, WS 01/02Kap. 8:

8/2

Universität Stuttgart  W

isse

nsv

erar

be

itu

ng

un

d N

um

erik

Institut für Kernenergetikund Energiesysteme

Simulation technischer Systeme, WS 01/02 Kap. 8: Algorithmen-2

Das sollten Sie heute lernen

Was ist eine gewöhnliche Differentialgleichung Numerische Lösung gew. Dgl‘en Differenzenverfahren implizit und explizit Eulerverfahren Diskretisierung gew. Dgl‘en Struktur von Programmen zur Lösung von Dgl‘en Ursachen für instabiles Verhalten

Page 3: Universität Stuttgart Wissensverarbeitung und Numerik I nstitut für K ernenergetik und E nergiesysteme Simulation technischer Systeme, WS 01/02Kap. 8:

8/3

Universität Stuttgart  W

isse

nsv

erar

be

itu

ng

un

d N

um

erik

Institut für Kernenergetikund Energiesysteme

Simulation technischer Systeme, WS 01/02 Kap. 8: Algorithmen-2

Grundbegriffe aus der Theorie der Differentialgleichungen

Gleichungen zwischen Funktionen und ihren Ableitungen heißen Differentialgleichungen (Dgl). Man unterscheidet gewöhnliche Differentialgleichungen und partielle Differentialgleichungen. Gewöhnliche Differentialgleichungen enthalten nur gewöhnliche Ableitungen. Als Beispiel sei die Schwingungsgleichung angeführt:

Differentialgleichungen mit einer unabhängigen Variablen sind immer gewöhnliche Differentialgleichungen. Differentialgleichungen mit mehreren unabhängigen Variablen enthalten gewöhnlich partielle Ableitungen nach den einzelnen Variablen. Man spricht dann von partiellen Differentialgleichungen. Sie werden entweder direkt oder in Operatorform angeschrieben. Sei L der Operator

so lautet die Schwingungsgleichung L y = f(t)

L kann verschieden definiert werden.

Die Ordnung n einer Differentialgleichung gibt die höchste Ableitung in der Differentialgleichung an.

)(22 tfyyy

222

2L

dtd

dt

d

Page 4: Universität Stuttgart Wissensverarbeitung und Numerik I nstitut für K ernenergetik und E nergiesysteme Simulation technischer Systeme, WS 01/02Kap. 8:

8/4

Universität Stuttgart  W

isse

nsv

erar

be

itu

ng

un

d N

um

erik

Institut für Kernenergetikund Energiesysteme

Simulation technischer Systeme, WS 01/02 Kap. 8: Algorithmen-2

Gewöhnliche Differentialgleichungen

Zu lösen sei in a t b

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 geändert werden.

Eine Differentialgleichung heißt

linear, wenn ihre Koeffizienten nicht von den abhängigen Variablen oder ihren Ableitungen abhängen;

halb-linear, wenn in den Randbedingungen nichtlineare Funktionen der Abhängigen oder ihren Ableitungen vorkommen;

quasi-linear, wenn auch in den Koeffizienten der Differentialgleichung Abhängigkeiten der Lösungen auftreten,

nicht-linear, wenn die Differentialgleichung Potenzen von Ableitungen enthält.

),( tyfydt

d

Page 5: Universität Stuttgart Wissensverarbeitung und Numerik I nstitut für K ernenergetik und E nergiesysteme Simulation technischer Systeme, WS 01/02Kap. 8:

8/5

Universität Stuttgart  W

isse

nsv

erar

be

itu

ng

un

d N

um

erik

Institut für Kernenergetikund Energiesysteme

Simulation technischer Systeme, WS 01/02 Kap. 8: Algorithmen-2

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 im Folgenden kurz erläutert.

btamittyfydt

d ),(

2

11 2

1......),(),(

),()()(tt

ta

tt dttyfdttyf

dttyfbaayby

dttyfyy nt

ntnn ,11

Page 6: Universität Stuttgart Wissensverarbeitung und Numerik I nstitut für K ernenergetik und E nergiesysteme Simulation technischer Systeme, WS 01/02Kap. 8:

8/6

Universität Stuttgart  W

isse

nsv

erar

be

itu

ng

un

d N

um

erik

Institut für Kernenergetikund Energiesysteme

Simulation technischer Systeme, WS 01/02 Kap. 8: Algorithmen-2

Euler-VerfahrenDer 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 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+ , tn+)

Setzt man = 0, 5, so folgt Prediktorschritt

Korrektorschritt

Euler-Verfahren entsprechen der Differenzennäherung

),(222/1 tyfhyy nnn

1 hf fdt nn

n

tt

) t,(y fh y y21/n21/nn1n

Page 7: Universität Stuttgart Wissensverarbeitung und Numerik I nstitut für K ernenergetik und E nergiesysteme Simulation technischer Systeme, WS 01/02Kap. 8:

8/7

Universität Stuttgart  W

isse

nsv

erar

be

itu

ng

un

d N

um

erik

Institut für Kernenergetikund Energiesysteme

Simulation technischer Systeme, WS 01/02 Kap. 8: Algorithmen-2

21

21

xiTiTi

T

dtiT

2121/i

2

2

xiTiTiT

dx

T

Die Wärmeleitgleichung als BeispielDie 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.

2

2

x

T

t

T

Page 8: Universität Stuttgart Wissensverarbeitung und Numerik I nstitut für K ernenergetik und E nergiesysteme Simulation technischer Systeme, WS 01/02Kap. 8:

8/8

Universität Stuttgart  W

isse

nsv

erar

be

itu

ng

un

d N

um

erik

Institut für Kernenergetikund Energiesysteme

Simulation technischer Systeme, WS 01/02 Kap. 8: Algorithmen-2

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 beschränkt ist, t und x hängen also voneinander ab.

2/mit )121(1 xtTniTniTniTniTni

)11

1211(1 TniTniTniTniTni

)121(1 TniTniTniTniTni

TnTnTngTn )(1

1)(

1

Tng

gTn

)(1 Tng

Page 9: Universität Stuttgart Wissensverarbeitung und Numerik I nstitut für K ernenergetik und E nergiesysteme Simulation technischer Systeme, WS 01/02Kap. 8:

8/9

Universität Stuttgart  W

isse

nsv

erar

be

itu

ng

un

d N

um

erik

Institut für Kernenergetikund Energiesysteme

Simulation technischer Systeme, WS 01/02 Kap. 8: Algorithmen-2

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.

)),(),((2

111 tytyyy nnnnnn ffh

),(1 tyyy nnnn

fho

),(),2

(2),2

(2),(6/14321

( ytytytytyy hfh

fh

ffhnnnnnnn

),(),2

(2/1

),2

(2/1

3412

231

yhtfhyyyh

tfhyy

yh

tfhyyyy

nnnn

nnn

Page 10: Universität Stuttgart Wissensverarbeitung und Numerik I nstitut für K ernenergetik und E nergiesysteme Simulation technischer Systeme, WS 01/02Kap. 8:

8/10

Universität Stuttgart  W

isse

nsv

erar

be

itu

ng

un

d N

um

erik

Institut für Kernenergetikund Energiesysteme

Simulation technischer Systeme, WS 01/02 Kap. 8: Algorithmen-2

Beispiel zum Runge-Kutta-VerfahrenGegeben sei das Anfangswertproblem: = y2 mit

y (0) = - 4 0 t 0,3 h = 0,1

Die exakte Lösung lautet

Für und

Für den Schritt n+1 folgt:

2)2)2)(201(

101()4,(

2)2)(201(

201

101

4

2)2)2)(201(

201()3,2(

22201

201

3

2)2)(201()2,2(2

201

2

2)1,n(tf

)41(/1

2

nynynyyhntfund

nynynynyy

nynynyyhntfundnynynyy

nynyyhntfundnynyy

wirdnyy

ty

y

nyy 1

222220/120/110/12

22220/120/122220/12260/1

1

ny

ny

ny

ny

ny

ny

ny

ny

ny

iy

ny

ny

Page 11: Universität Stuttgart Wissensverarbeitung und Numerik I nstitut für K ernenergetik und E nergiesysteme Simulation technischer Systeme, WS 01/02Kap. 8:

8/11

Universität Stuttgart  W

isse

nsv

erar

be

itu

ng

un

d N

um

erik

Institut für Kernenergetikund Energiesysteme

Simulation technischer Systeme, WS 01/02 Kap. 8: Algorithmen-2

Adams-Verfahren

Eine weitere Verbesserung der Bestimmung der rechten Seite erhält man dadurch, dass man den Integranden über eine Funktionsentwicklung darstellt.

Als Entwicklungskoeffizienten können die Werte der diskreten Zeitpunkte verwendet werden.

Entwicklungsfunktionen sind dann wieder die Lagrange-Polynome .

Zum Zeitschritt n ist folgende Entwicklung möglich:

mit m n

Damit lässt sich f (y, t) integrieren.

Die mi sind tabelliert.

m

i

miin

tin

yftyf0

),(),(

n

i

mim

infdtjn

t

jnt

mijn

t

jnt

m

iin

fdttyf

0111 0

,

Page 12: Universität Stuttgart Wissensverarbeitung und Numerik I nstitut für K ernenergetik und E nergiesysteme Simulation technischer Systeme, WS 01/02Kap. 8:

8/12

Universität Stuttgart  W

isse

nsv

erar

be

itu

ng

un

d N

um

erik

Institut für Kernenergetikund Energiesysteme

Simulation technischer Systeme, WS 01/02 Kap. 8: Algorithmen-2

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 ni gilt:I

ni

0 1 2 3 4

ni 1

2ni 1 1

12ni 5 1 -1

24ni 9 19 -5 1

720ni 251 646 -264 106 -19

Page 13: Universität Stuttgart Wissensverarbeitung und Numerik I nstitut für K ernenergetik und E nergiesysteme Simulation technischer Systeme, WS 01/02Kap. 8:

8/13

Universität Stuttgart  W

isse

nsv

erar

be

itu

ng

un

d N

um

erik

Institut für Kernenergetikund Energiesysteme

Simulation technischer Systeme, WS 01/02 Kap. 8: Algorithmen-2

Adams-Moulton-Verfahrenb) 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 ni gilt:

I

ni

0 1 2 3 4

ni 1

2ni 1 1

12ni 5 1 -1

24ni 9 19 -5 1

720ni 251 646 -264 106 -19

Page 14: Universität Stuttgart Wissensverarbeitung und Numerik I nstitut für K ernenergetik und E nergiesysteme Simulation technischer Systeme, WS 01/02Kap. 8:

8/14

Universität Stuttgart  W

isse

nsv

erar

be

itu

ng

un

d N

um

erik

Institut für Kernenergetikund Energiesysteme

Simulation technischer Systeme, WS 01/02 Kap. 8: Algorithmen-2

Gear-Verfahren - 1

kn

r

kknn

kn

r

kknnn

nrkkn

r

nrk

r

kknn

rk

r

kkn

ybfa

yoder

ybayafydt

dmanerhält

kfürdt

d

abund

dt

damit

tdt

dyty

dt

dDaraus

tyty

11

1

11

11

110

10

11

01

1

01

)()(

)()(

Die Klasse der Gear-Verfahren erhält man, wenn man nicht den Integranden,sondern die Lösung nach Lagrange-Funktionen entwickelt und anschließend ableitet

Page 15: Universität Stuttgart Wissensverarbeitung und Numerik I nstitut für K ernenergetik und E nergiesysteme Simulation technischer Systeme, WS 01/02Kap. 8:

8/15

Universität Stuttgart  W

isse

nsv

erar

be

itu

ng

un

d N

um

erik

Institut für Kernenergetikund Energiesysteme

Simulation technischer Systeme, WS 01/02 Kap. 8: Algorithmen-2

Gear-Verfahren - 2

nnn

knn

kk

r

kjj jnkn

jnnk

knrk

r

j jnn

yftyund

bt

a

tta

pb

rfürtt

ttp

rfürpdt

d

tta

1

1

11

1 11

11

1

1 11

11

konstantt und 1 rfür manerhält Daraus

1

11

1

Die allgemeine Form der Koeffizienten lautet:

Das entspricht dem Ergebnis nach Euler

Page 16: Universität Stuttgart Wissensverarbeitung und Numerik I nstitut für K ernenergetik und E nergiesysteme Simulation technischer Systeme, WS 01/02Kap. 8:

8/16

Universität Stuttgart  W

isse

nsv

erar

be

itu

ng

un

d N

um

erik

Institut für Kernenergetikund Energiesysteme

Simulation technischer Systeme, WS 01/02 Kap. 8: Algorithmen-2

Gear-Verfahren -3

nn

n

nnnnn tt

t

ttttta

1

1

1111

1111

man erhält 2 r Für

nn

nn

nn

nn

tt

ttp

tt

ttp

1

12

1

111

111

111

1

11

21k

3

1

3

4

3

2

2

43

3

1

3

4

3

2

3

1

3

4

3

22

3 a

nnnn

nnnn

n

nnnn

kk

yyfty

ft

yyyy

dt

d

yyftyund

bbk

p

tka

pb

t

konstanttfür manerhält Daraus

:1 giltoderimplizitifferenzenRückwärtsddieFür

Daraus folgt

Page 17: Universität Stuttgart Wissensverarbeitung und Numerik I nstitut für K ernenergetik und E nergiesysteme Simulation technischer Systeme, WS 01/02Kap. 8:

8/17

Universität Stuttgart  W

isse

nsv

erar

be

itu

ng

un

d N

um

erik

Institut für Kernenergetikund Energiesysteme

Simulation technischer Systeme, WS 01/02 Kap. 8: Algorithmen-2

Stabilität -1

Drei Fehlerquellen können auftreten

a) Näherung von

b) Näherung des Integrals der rechten Seite,

c) Bestimmung von y.

Werden Fehler durch die Zeitfortschaltung verkleinert, so heißt ein Verfahren stabil. Analog der notwendigen Bedingung für die Verkleinerung von Fehlern bei der Iteration gilt auch bei der Zeitfortschaltung.

ydt

d

Bedingungnotwendigealsygtfo

ygyg

ygygcondwegen

gcondwennstabilistygyn

1)(lg

)()(

)(

1,1

Page 18: Universität Stuttgart Wissensverarbeitung und Numerik I nstitut für K ernenergetik und E nergiesysteme Simulation technischer Systeme, WS 01/02Kap. 8:

8/18

Universität Stuttgart  W

isse

nsv

erar

be

itu

ng

un

d N

um

erik

Institut für Kernenergetikund Energiesysteme

Simulation technischer Systeme, WS 01/02 Kap. 8: Algorithmen-2

Stabilität -2

Mehrschrittverfahren kann man darstellen als

Dann gibt es zu dieser Gleichung ein charakteristisches Polynom p ()

Für p () = 0 gibt es m-Nullstellen und man kann zeigen:

Ein Verfahren ist stabil, wenn für alle Nullstellen gilt

und Nullstellen mit höchstens als einfache Nullstellen vorkommen.

Verfahren nach Adam und Gear sind stabil. Die Verfahren von Runge-Kutta sind schwach stabil. Explizite Euler-Verfahren sind für große Zeitschritte instabil.

0

11

22

11

aammam

mamp

1

1

),(10

....1211

tyFhmn

yany

ma

ny

ma

ny

Page 19: Universität Stuttgart Wissensverarbeitung und Numerik I nstitut für K ernenergetik und E nergiesysteme Simulation technischer Systeme, WS 01/02Kap. 8:

8/19

Universität Stuttgart  W

isse

nsv

erar

be

itu

ng

un

d N

um

erik

Institut für Kernenergetikund Energiesysteme

Simulation technischer Systeme, WS 01/02 Kap. 8: Algorithmen-2

Systeme gewöhnlicher DifferentialgleichungenEin 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 Lösungen). Hat man Nichtlinearitäten zu betrachten, so müssen Newton- oder Newton-Raphson-Methoden zur Lösung verwendet werden.

),,2

,1

(

),,2

,1

(2

2

),,2

,1

(1

1

tmyyy

mf

dtm

dy

tmyyyf

dt

dy

tmyyyf

dt

dy

Page 20: Universität Stuttgart Wissensverarbeitung und Numerik I nstitut für K ernenergetik und E nergiesysteme Simulation technischer Systeme, WS 01/02Kap. 8:

8/20

Universität Stuttgart  W

isse

nsv

erar

be

itu

ng

un

d N

um

erik

Institut für Kernenergetikund Energiesysteme

Simulation technischer Systeme, WS 01/02 Kap. 8: Algorithmen-2

Aufbau eines Programms zur Lösung von Dgl‘enDie numerische Lösung von Differentialgleichungen kann - zumindest für einfache Probleme - schnell und übersichtlich programmiert werden. Im Folgenden ist ein typisches Flussdiagramm gezeigt.

Zeitfortschaltung, Eigenwertiteration,

Nichtlinearität

Lösung des Gleichungssystems

Berechnung der rechten Seiten

Neue

Matrizen

Nicht linear

ja

nein

nein ja (bei Quellrechnung, Endzeitpunkt,

Endgenauigkeit)

Eingabe und ihre Verarbietung Geometrie, Materialdaten,

Randbedingungen, Anfangswerte

Ausgabe

Nein linear

Erzeugung des Gleichungssystems

Ende

Page 21: Universität Stuttgart Wissensverarbeitung und Numerik I nstitut für K ernenergetik und E nergiesysteme Simulation technischer Systeme, WS 01/02Kap. 8:

8/21

Universität Stuttgart  W

isse

nsv

erar

be

itu

ng

un

d N

um

erik

Institut für Kernenergetikund Energiesysteme

Simulation technischer Systeme, WS 01/02 Kap. 8: Algorithmen-2

Diese Fragen sollten Sie jetzt beantworten können

Geben Sie eine gewöhnliche Differentialgleichung in differentieller und integraler Form an

Diskretisieren sie eine erste Ableitung implizit, explizit und zentral. Erklären Sie Unterschiede und Folgen

Heun Verfahren Runge Kutta Verfahren Zeichnen Sie ein Struktogramm für die Lösung einer nichtlinearen

DGL. Geben Sie ein Beispiel für eine Nichtlinearität. Prinzip der ADAMS Verfahren Wie lautet eine Pade Aproximation der Ordnung 1 Was ist Stabilität und wie kann man sie beeinflussen