仿真数值积分法培训教案.ppt

主讲教师：姜萍 第三章 连续系统数值积分仿真方法学 如何把已建立起来的数学模型转换成仿真运算模型（二次建模），以便为分析解决实际问题服务那是系统仿真学科的一个重要研究内容。 第一节 数值积分法的基本原理 　　可见，微分方程初值问题数值解法的主要问题归结为对 　一、欧拉法（Euler Method) １、Taylor级数展开 　２、矩形近似 　３、切线近似（１） 　３、切线近似（２） 　例：设系统方程 　二、梯形法 　例：设系统方程 　例：设系统方程 　三、Runge-Kutta法 欧拉法的Taylor级数展开 梯形法的Taylor级数展开 2、 Runge-Kutta法 二阶R-K构造法 　四、微分方程数值积分的矩阵分析法 例：系统方程 　　无论用显式或隐式 k 阶Adams 法求解微分方程初值问题数值，需要先知道 k+1 个初始值。 　例：设系统方程 　　对于 n 阶系统，状态向量 x 为 n 维，计算中每前进一步 h ，要计算 4n 个 kij 值，对状态空间表达式： 此时，RK4公式的４个 k 值： 取步长 h=0.1,试用RK4法求t=0.1，0.2时的解 解: 将原系统方程化为状态方程形式： 见仿真结果 作业：P149　3.2 单步法的特点：计算 n+1 时刻的值 yn+1 时，只用到第 n 时刻的 yn 和 fn 。 如果能利用多步计算信息（历史时刻值），则可能既加快仿真速度又获得较高的仿真精度，这就是构造多步法的出发点。 第三节 数值积分法的多步算法 实际在逐步递推过程中，计算 yn+1 时已经获得一系列的近似值： 以及 。 多步法中以 Adams 法最具代表性，应用最为普遍。 对一阶连续系统： 连续解为： 现过三点 按插值原理构造一个多项式 来逼近函数 对函数 ,再对多项式 积分近似 积分 一、Adams算法 得： 多项式 中的系数由下决定： 拉格朗日插值公式 令： 同时 考虑： 因为有： 进行变量替换： 显然，对多项式的积分计算很容易。 微分方程连续解为： 写成差分方程： 这就是显式两步二阶Adams递推式。 显式 Adams 算法的系数值 显式 Adams 算法的递推公式为： -19/720 b4 -1274/720 2616/720 -2774/720 1901/720 4 -9/24 37/24 -59/24 25/24 3 5/12 -16/12 23/12 2 -1/2 3/2 1 1 0 b3 b2 b1 bo bi k 隐式 Adams 算法的系数值 隐式 Adams 算法的递推公式为： -19/720 106/720 -264/720 646/720 251/720 4 1/24 -5/24 19/24 9/24 3 -1/12 8/12 5/12 2 1/2 1/2 1 1 0 b3 b2 b1 b0 b-1 bi k 例如三步Adams 法： 于是初始值 只能从初始条件得到 ，还需知道 才能求出： 需用单步法求出，才能使 多步法的递推计算能够进行。为保证多步法的精度，注意选择相应精度的单步法计算初始值。 用显式二阶Adams法求解，取步长h=0.1, 解: 显式二阶Adams法： 起步初始值由梯形公式求出： 下面就可以用Adams公式进行递推： 有初始条件： 可进行初值计算： 为计算 的值，用到 时刻以前的值来推导，可获得性能更好的算法。由 Adams 法得出更为一般的形式： 即： 再令 二、线性多步法 解出： 这一思想被广泛地应用于许多算法中，实际计算时，如果在每个积分步矩中多取几个点，分别求出其斜率　　　　　　，然后取不同的权值为： 后面Runge—Kutta法就是采用这样的思想来进行计算的。 梯形法的几何意义也可按折线理解， 梯形法大大提高了精度，但为隐式算法，每次递推计算时需解一次非线性方程，计算量较大 由此考虑进行改进，先用Euler法计算出： 的近似值 代入导函数 求出近似值 再代入梯形公式求解。 预估公式（Euler法） 校正公式（梯形法） 为预估—校正法，也称为改进的Euler法。 试用梯形法求其数值解，取步长h=0.1, 解: 梯形法递推式： 隐式算法，需先解此非线性方程： 由此公式和初始条件可进行递推，见仿真结果。 用改进欧拉法求数值解，取步长h=0.1, 解: 改进欧拉法： 由此公式和初始条件可进行递推，见