Actualmente estoy jugando con una vieja computadora analógica, que podría resolver ODE/PDEs dependientes del tiempo bastante rápido, sin saltos de tiempo; por lo tanto, no hay problemas de convergencia causados por el paso de tiempo debido a su naturaleza informática. Pero el problema con las soluciones de la computadora analógica es que no son precisas debido a las limitaciones físicas. Tengo mucha curiosidad de que: ¿existe algún método/solucionador numérico que pueda tomar la solución aproximada de la computadora analógica (en el dominio del tiempo) para procesarla y generar una solución más precisa?
Permítanme dar un ejemplo de resolución de ODE de segundo orden que describe el movimiento de un amortiguador de masa-resorte. La ecuación es la siguiente:
Después de cargar las condiciones iniciales en los integradores, puede dejar que la computadora analógica funcione y resuelva. Si mide la señal eléctrica a la salida del integrador1, obtendrá la solución de en el dominio del tiempo:
Pero, debido a las limitaciones físicas (por ejemplo, ruido eléctrico, compensaciones), la solución de no es exacto Lo que estoy buscando es un método numérico que pueda tomar la solución anterior de por computadora analógica, por ejemplo, las soluciones , comience con estos puntos de solución aproximados y refine aún más estos puntos de solución con una precisión mucho mayor.
(Esta ODE de segundo orden es solo un caso simple con fines ilustrativos; tiene una expresión analítica de soluciones. El caso más general sería ODE no lineal sin solución analítica).
¡¡Gracias de antemano!! ¡Cualquier pensamiento y sugerencia es muy bienvenido y apreciado!
Si tiene una buena estimación inicial, el método de Newton es difícil de superar. La convergencia cuadrática significa que el número de lugares decimales (binarios) precisos se duplica con cada iteración. Esto supone que la primera derivada cambia lentamente entre su estimación y la solución real, lo que significa que la segunda derivada multiplicada por su error (entre la estimación y la respuesta real) es pequeña en comparación con la primera derivada. A partir de argumentos físicos, sabe que su solución es una onda sinusoidal amortiguada, así que ajústela a Lo que realmente necesita para el método de Newton son estimaciones de , no estimaciones de que es lo que obtienes de tu circuito. es fácil, es . yo tomaría desde el último cruce por cero pude identificar fácilmente y de la relación del primer pico a la amplitud inicial.
Casi con el mismo espíritu que la respuesta de Ross Millikan, déjame suponer que conoces las condiciones iniciales , y que el modelo es algo asi
Esto se puede considerar como un problema de regresión no lineal y la cuestión clave es obtener estimaciones "razonables".
La primera condición da y este es un valor definitivo (ya no es un parámetro a ajustar).
Ahora, mirando la derivada
Todo lo anterior hace que el modelo sea
Ahora, tenemos todos los elementos necesarios para iniciar el ajuste por mínimos cuadrados no lineal de los datos.
Solo mirando la trama en la publicación, usando el hecho de que el primer mínimo corresponde más o menos a , , obtenemos como estimaciones y mientras que los valores exactos deben ser y . La regresión no lineal converge en un par de iteraciones.
Consulte este artículo de Columbia U. https://www.cs.columbia.edu/2016/back-to-analog-computing-columbia-researchers-merge-analog-and-digital-computing-on-a-single- chip/
Parecen estar tratando de hacer casi lo mismo que usted estaba pensando, usar computación analógica para obtener una buena estimación inicial y luego usar tecnología digital (básicamente técnicas numéricas estándar) para llegar a una respuesta final aceptable, y todo esto en un chip de computadora real. Muy bien si me preguntas.
ian
Nate
Nate
ian
usuario7530
Nate
Nate
ian
Nate