Ich spiele derzeit mit einem alten analogen Computer, der zeitabhängige ODE/PDEs ziemlich schnell lösen konnte, ohne Zeitschritten; Daher gibt es keine Konvergenzprobleme, die durch Zeitschritte aufgrund ihrer Rechennatur verursacht werden. Das Problem mit analogen Computerlösungen besteht jedoch darin, dass sie aufgrund physikalischer Einschränkungen nicht genau sind. Ich bin sehr neugierig: Gibt es numerische Methoden / Löser, die die ungefähre Lösung des analogen Computers (über den Zeitbereich) verwenden können, um sie weiter zu verarbeiten und eine genauere Lösung zu generieren?
Lassen Sie mich ein Beispiel für die Lösung einer ODE zweiter Ordnung geben, die die Bewegung eines Masse-Feder-Dämpfers beschreibt. Die Gleichung ist die folgende:
Nachdem Sie die Anfangsbedingungen auf die Integratoren geladen haben, können Sie den analogen Computer laufen lassen und lösen. Wenn Sie das elektrische Signal am Ausgang von Integrator1 messen, erhalten Sie die Lösung von über den Zeitbereich:
Aber aufgrund der physikalischen Einschränkungen (z. B. elektrisches Rauschen, Offsets) ist die Lösung von ist nicht genau. Was ich suche, ist eine numerische Methode, die die obige Lösung von nehmen kann per Analogrechner, zB die Lösungen , gehen Sie von diesen ungefähren Lösungspunkten aus und verfeinern Sie diese Lösung weiter zu einer viel höheren Genauigkeit.
(Diese ODE zweiter Ordnung ist nur ein einfacher Fall zur Veranschaulichung; sie hat zufällig einen analytischen Ausdruck von Lösungen. Der allgemeinere Fall wären nichtlineare ODEs ohne analytische Lösung.)
Vielen Dank im Voraus!! Alle Gedanken und Vorschläge sind sehr willkommen und werden geschätzt!!
Wenn Sie eine gute anfängliche Schätzung haben, ist die Newton-Methode kaum zu schlagen. Quadratische Konvergenz bedeutet, dass sich die Anzahl der genauen Dezimalstellen (Binärstellen) mit jeder Iteration verdoppelt. Dies setzt voraus, dass sich die erste Ableitung langsam zwischen Ihrer Schätzung und der realen Lösung ändert, was bedeutet, dass die zweite Ableitung multipliziert mit Ihrem Fehler (zwischen der Schätzung und der realen Antwort) im Vergleich zur ersten Ableitung klein ist. Aus physikalischen Gründen wissen Sie, dass Ihre Lösung eine gedämpfte Sinuswelle ist, passen Sie sie also an Was Sie für das Newton-Verfahren wirklich brauchen, sind Schätzungen von , nicht Schätzungen von das ist, was Sie von Ihrer Schaltung bekommen. ist einfach, es ist . würde ich nehmen ab dem letzten nulldurchgang konnte ich leicht erkennen und aus dem Verhältnis des ersten Peaks zur Ausgangsamplitude.
Lassen Sie mich fast im gleichen Sinne wie Ross Millikans Antwort davon ausgehen, dass Sie die Anfangsbedingungen kennen , und dass das Modell so etwas ist
Dies kann als nichtlineares Regressionsproblem betrachtet werden, und das Hauptproblem besteht darin, "angemessene" Schätzungen zu erhalten.
Die erste Bedingung ergibt und dies ist ein endgültiger Wert (es ist kein einzustellender Parameter mehr).
Betrachten wir nun die Ableitung
All dies macht das Modell zu sein
Jetzt haben wir alle erforderlichen Elemente, um mit der nichtlinearen Anpassung der Daten nach der Methode der kleinsten Quadrate zu beginnen.
Schaut man sich einfach den Plot in der Post an, nutzt man die Tatsache, dass das erste Minimum mehr oder weniger entspricht , , erhalten wir als Schätzungen Und während die genauen Werte sein sollten Und . Die nichtlineare Regression konvergiert in ein paar Iterationen.
Lesen Sie diesen Artikel von Columbia U. https://www.cs.columbia.edu/2016/back-to-analog-computing-columbia-researchers-merge-analog-and-digital-computing-on-a-single- Chip/
Sie scheinen zu versuchen, fast dasselbe zu tun, woran Sie gedacht haben, analoge Berechnungen zu verwenden, um eine gute anfängliche Schätzung zu erhalten, und dann digitale (im Grunde standardmäßige numerische Techniken) zu verwenden, um zu einer endgültigen akzeptablen Antwort zu gelangen, und das alles in einem echter Computerchip. Ziemlich cool, wenn du mich fragst.
Jan
Nate
Nate
Jan
Benutzer7530
Nate
Nate
Jan
Nate