计算机仿真技术实验课件讲解.ppt

从初值(t0,x0)开始，由二级Runge-Kutta方法可计算(t1,x1),类似地再从(t1,x1)开始计算(t2,x2) ，这样依次递推，可得到任意时刻tm处的解x(tm)的近似值xm的值。这种递推计算的每一步只依赖于上一步的计算结果，即只用上一步的结果作为当前步计算的起始值，称这种方法为单步法。 一般的显式Runge-Kutta方法具有形式 称这方法为p阶显式Runge-Kutta方法(RKS方法)。 (26) 公式中的系数ci,aij和bi通过下述方式选取。在(tm,xm)处考虑微分方程初值问题 (27) 并记其解为xm(t) 。将ki在(tm ，xm)处展开成了的Taylor级数，然后代入的公式中，得到xm+1的展开式。类似地，将xm (tm+h)展开成h的Taylor级数，并与xm+1的展开式进行比较，由要求符合的项的系数确定这些参数应满足的方程组。求解方程组得到具有相应精度的p阶显式Runge-Kutta方法。 如果式(26)中的xm=x(tm) ，则xm+1和x(tm+1)=x(tm+h)在(tm，xm)处的Taylor展开式的前p项是一致的。局部截断误差x(tm+1)- xm+1是h的p+1阶无穷小量，即有 上面给出的Runge-Kutta方法的每一步计算从(tm，xm)开始，可逐次确定k1,k2,…kp，最后确定xm+1 。在计算ki时只用到k1,k2,…ki-1的值。这种方法称作显式Runge-Kutta方法。 利用上述的方法，还可以构造隐式Runge-Kutta方法。在计算ki时时不仅用到k1,k2,…ki-1的值，还可能用到k1,k2,…kp的值。p阶隐式Runge-Kutta方法具有下面的形式 (28) 可以通过Taylor级数匹配原理来确定公式(28)中的系数ci,aij和bi的值。 、 下面给出p=1和p=2的隐式Runge—Kutta方法： 1） （隐式中点公式） 2) (29) (30) 局部截断误差为 局部截断误差为 例: 设系统方程为 其数值解，取仿真步距 。 试用Euler法求 解：原方程为 则 前向欧拉法的递推公式为 后向欧拉法的递推公式为 显然，由后向欧拉法得到的递推公式为非线性代数方程。解此非线性方程可得 t 0 0.1 0.2 0.3 0.4 0.5 … 1.0 yn 1 0.9161 0.8447 0.7833 0.7300 0.6834 … 0.5165 3.1.2 梯形法 为了讨论方便，这里以一阶连续系统为例。其状态方程为： 在区间[tm,tm+1]上输出x(t)为： 取信号保持器为一阶保持器。一阶保持器是区间[tm,tm+1] 上的一次多项式。其输出表达式为： 其中a1和a0为常系数。 (12) 对一阶隐式保持器，曲线的插值点为(tm,Fm)和点( tm+1,Fm+1)因此，式(12)中的系数a0和a1可由下列方程确定： 解方程(13)可得系数a0和a1为： (13) (14) 将式(12)代入式(5)，则在区间[tm,tm+1]上，的解为： 其中h=tm+1-tm (15) 当 时，有 (16) 即: (17) 梯形法的递推公式 利用梯形法递推公式对系统进行仿真时，必须通过解代数方程才能求得xm+1。由于梯形法的推公式在计算xm+1时，只用到x(t)的过去值xm及 ，因此只要给定初始值x0递推就能进行。该方法为单步法，可以自起步计算 。 图4 梯形法的几何意义 几何意义： 梯形法的几何意义如图4所示。在区间[tm,tm+1]上，把真实解x(t)用折线来近似替代。 段斜率为 段的斜率为 显然，梯形法较欧拉法具有更高的精度。 ， 解：原方程为 ， 例 对例3.1给出的系统，试用梯形法求其数值解（取仿真步距h=0.1 ） 则 梯形法的递推公式为 由梯形法得到的递推公式为非线性代数方程。解此非线性代数方程可得： t 0 0.1 0.2 0.3 0.4 0.5 … 1.0 yn 1 0.9087 0.8328 0.7685 0.7136 0.6659 … 0.4994 Euler法和梯形法的另一种解释——数值积分法 Euler法： 目标： 显式： t m m+1 T 隐式： t m m+1 T 梯形法: 直线通过(tm,Fm)和点( tm+1,Fm+1) t m m+1 T 可见，梯形法的计算精度要好于欧拉法。 3.1.3 Adams 方法 为了讨论方便，这里以一阶连续系统为例。其状态方程为： 在区间[tm,tm+1]上输出x(t)为： 取信号保持器为k阶保持器。k阶保持器是区间[tm,t