Laplace數(shù)值反變換

分類：互聯(lián)網(wǎng)熱點(diǎn) 編輯：聊聊云計(jì)算瀏覽量：1

2020-07-13 16:55:23

■ 問題提出在博文逆Laplace數(shù)值逆變換給出了數(shù)值計(jì)算Laplace逆變換的簡易程序。其中存在以下幾個(gè)問題需要討論：問題1：程序?qū)崿F(xiàn)過程原理以及優(yōu)化；問題2：運(yùn)算參數(shù)：，，對于積分?jǐn)?shù)值的影響。從上篇博文中明顯看到有些計(jì)算出的結(jié)果大大偏離的實(shí)際值。比如其中的函數(shù)所計(jì)算出來的幅值超過了1.01程序?qū)崿F(xiàn)原理以及優(yōu)化1.Laplace逆運(yùn)算所以，算法的核心是對進(jìn)行傅里葉反變換，然后在乘以。由于確認(rèn)變換后的函數(shù)是實(shí)函數(shù)，因此，為了節(jié)省計(jì)算時(shí)間，只對傅里葉反變換的積分，進(jìn)行正半軸的積分，同時(shí)積分的上限由參數(shù)決定。對積分的數(shù)值取齊實(shí)部，再乘以2便可以得到。2.Python積分程序?qū)崿F(xiàn)優(yōu)化使用梯形積分來實(shí)現(xiàn)函數(shù)的積分，可以獲得更精確的積分值。理論分析可知：其中以及。那么積分誤差上限為：其中，，。▲ 圖2.1 梯形積分方法示意圖計(jì)算可以有兩種方式：方式1：對左、右黎曼積分加權(quán)平均：方式2：利用如下的公式計(jì)算：最后實(shí)現(xiàn)的代碼為：def trapz(f, a, b, N=50): x = linspace(a, b, N+1) y = f(x) y_right = y[1:] y_left = y[:-1] dx = (b-a) / N T = dx/2 * sum(y_right + y_left) return T利用上述公式，對進(jìn)行積分測試：printf(trapz(sin, 0, pi/2, 1000))所得到結(jié)果為：0.9999997943832332。可以看到使用n=1000對應(yīng)的結(jié)果后面的積分精度達(dá)到了小數(shù)點(diǎn)后面6位9的小數(shù)點(diǎn)的位數(shù)。3.實(shí)現(xiàn)Laplace逆運(yùn)算通過上面梯形積分方法，實(shí)現(xiàn)Laplace數(shù)值逆變換，具體的子程序如下面所示。#------------------------------------------------------------def invlt(t, fs, sigma, omiga, nint): omigadim = linspace(0, omiga, nint+1, endpoint=True) y = [(exp(1j*o*t) * fs(sigma+1j*o)).real for o in omigadim] y_left = y[:-1] y_right = y[0:] T = sum(y_right + y_left) * omiga/nint return exp(sigma*t) * T/ pi / 2#------------------------------------------------------------def fs(s): return 1/(s*s+1)#------------------------------------------------------------sigma = 0.2omiga=200nint=omiga*50tdim = linspace(0, 2*pi* 3, 200)ft = [invlt(t, fs, sigma, omiga, nint) for t in tdim]02一些基本函數(shù)的實(shí)驗(yàn)下面通過對一些基本常見函數(shù)的laplace變換，來測試一下上述程序的性能。Ⅰ.sin(t)sigma=0.2, omiga=200, nint=omiga*50Ⅱ.exp(-t)sigam=-1+0.1, omiga=200, nint=omiga*50Ⅲ.u(t)Ⅳ.u(t-1)Ⅴ.周期化脈沖信號※ 結(jié)論通過原理分析，可以獲得建議的Laplace數(shù)值逆運(yùn)算的正確的PYTHON算法程序。這個(gè)程序是直接對Laplace反變換公式利用梯形積分方法獲得計(jì)算結(jié)果。通過對幾種常見的信號Laplace的反變換，驗(yàn)證了這個(gè)算法的正確性。通過在此過程，可以看到，對于參數(shù)sigma, omiga, nint對于計(jì)算結(jié)果還是有很大的影響。另外，對于時(shí)間t，只能在比較小的范圍內(nèi)有效，當(dāng)t超過一定長度，前面所計(jì)算的結(jié)果都會(huì)出現(xiàn)比較大的誤差。▲ 對于方波進(jìn)行Laplace數(shù)值反變換的結(jié)果參考資料逆Laplace數(shù)值逆變換: https://zhuoqing.blog.csdn.net/article/details/107241738

公眾號留言

卓大大，請問AI電磁組不進(jìn)圓環(huán)會(huì)加時(shí)間嗎？規(guī)則上寫不要求進(jìn)圓環(huán)，但圓環(huán)進(jìn)比不進(jìn)的時(shí)間更長一些，那這個(gè)賽道元素的意義是什么？之前記得您有過類似回答，但是找不到了謝謝您~

回復(fù)：這主要是為了使得AI電磁組能夠在普通的賽道上完成比賽，而不必對賽道進(jìn)行改造。同時(shí)，圓環(huán)的存在也會(huì)對AI電磁組在數(shù)據(jù)訓(xùn)練是產(chǎn)生影響。

卓老師好，關(guān)于AI電磁組的有個(gè)情況需要向您反映一下，規(guī)則中規(guī)定車模運(yùn)行方向不限，這里有個(gè)bug，如果車倒著跑，電感依然只距離后輪軸心往前5cm,這樣安裝是符合目前公布的規(guī)則的，但因?yàn)槎鏅C(jī)在后，也就是轉(zhuǎn)向機(jī)構(gòu)在后，相當(dāng)于獲得了25cm+的物理前瞻，這樣通過傳統(tǒng)電磁尋跡的方法也能輕松獲得不錯(cuò)的速度，我想這里應(yīng)該是一個(gè)BUG。

現(xiàn)在因?yàn)闀r(shí)間緊，不少同學(xué)都想用傳統(tǒng)方法來鉆空子，同時(shí)因?yàn)榻衲隂]有全國統(tǒng)一場地的國賽，還有云比賽的存在，對參賽車模具體采用了什么方法也不利于檢查，需要更多的人力，，所以我認(rèn)為應(yīng)該限制運(yùn)行方向，不能倒著跑，從一定程度上可以打消部分人鉆空子的念頭，此建議僅供卓老師參考。

回復(fù)：謝謝你的建議。關(guān)于這方面，我們將會(huì)給出競賽規(guī)則補(bǔ)充說明，限制車模只能往前行。

聲明：免責(zé)聲明：本文內(nèi)容由互聯(lián)網(wǎng)用戶自發(fā)貢獻(xiàn)自行上傳，本網(wǎng)站不擁有所有權(quán)，也不承認(rèn)相關(guān)法律責(zé)任。如果您發(fā)現(xiàn)本社區(qū)中有涉嫌抄襲的內(nèi)容，請發(fā)

送郵件至：operations@xinnet.com進(jìn)行舉報(bào)，并提供相關(guān)證據(jù)，一經(jīng)查實(shí)，本站將立刻刪除涉嫌侵權(quán)內(nèi)容。本站原創(chuàng)內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)

需注明出處：新網(wǎng)idc知識百科