基于离散差分法的复杂微分方程组求解matlab数值仿真

matlab+Simulink实现微分方程求解及子系统封装 本文介绍了如何使用matlab脚本+simulink仿真实现微分方程和微分代数方求解,文中附完整matlab代码以及消息的simulink仿真过程,最后也有结果的分析 阅读详情

目录

1.程序功能描述

2.测试软件版本以及运行结果展示

3.核心程序

4.本算法原理

5.完整程序


1.程序功能描述

      基于离散差分法的复杂微分方程组求解.“连续微分方程”到“离散微分方程”到“差分方程”,离散微分方程,变成差分方程。建立差分方程时,时间采用一阶显格式,空间采用一阶偏心差分格式。

2.测试软件版本以及运行结果展示

MATLAB2022a版本运行

3.核心程序

..........................................................................
%         ʼ  
L       = 0.05;   % ռ䳤  
time    = 1e-8;   %ʱ 䳤  
Nz      = 10;    % ռ    
Nt      = 10;    %ʱ        
dt      = time/Nt;%t΢ ֵ    ۼ   
dz      = L/Nz;%z΢ ֵ    ۼ   

N1         = zeros(Nz,Nt);
N2         = zeros(Nz,Nt);
N3         = zeros(Nz,Nt);
N4         = zeros(Nz,Nt);
N1_Yb      = zeros(Nz,Nt);
N2_Yb      = zeros(Nz,Nt);
Ps         = zeros(Nz,Nt);

PASE_plus  = zeros(M,Nz,Nt);
PASE_minus = zeros(M,Nz,Nt);
Pp_plus    = zeros(Nz,Nt);
Pp_minus   = zeros(Nz,Nt);
 
G          = zeros(Nz,Nt);
NF         = zeros(Nz,Nt);

%      1  ʽ  1    ϵ   IJ     ʾ
W11 = Fp*O13_vp/(Ac*h*Vp);
W12 = Fs*O12_vs/(Ac*h*Vs);
for i = 1:M
    W13(i) = F_ASE_vj(i) * O12_vj(i) / (Ac*h*Vj(i));
end

W14 = Fs*O21_vs/(Ac*h*Vs);
for i = 1:M
    W15(i) = F_ASE_vj(i) * O21_vj(i) / (Ac*h*Vj(i));
end

W16 = Fp*O31_vp/(Ac*h*Vp);

%      1  ʽ  2    ϵ   IJ     ʾ
W21 = Fs*O12_vs/(Ac*h*Vs);

for i = 1:M
    W22(i) = F_ASE_vj(i) * O12_vj(i) / (Ac*h*Vj(i));
end
W23 = Fs*O21_vs/(Ac*h*Vs);

for i = 1:M
    W24(i) = F_ASE_vj(i) * O21_vj(i) / (Ac*h*Vj(i));
end

%      1  ʽ  3    ϵ   IJ     ʾ
W31 = Fp*O13_vp/(Ac*h*Vp); 
W32 = Fp*O31_vp/(Ac*h*Vp); 

%      1  ʽ  4    ϵ   IJ     ʾ
W41           = Fp*O12Yb_vp/(Ac*h*Vp);
W42           = Fp*O21Yb_vp/(Ac*h*Vp);
Ps(1,:)       = 0.001*ones(1,Nt);
Pp_plus(1,:)  = 0.06*ones(1,Nt);
Pp_minus(1,:) = 0.04*ones(1,Nt);

for j = 1:Nt-1
    for i = 1:Nz-1
        %      1ʽ  1
        N1(i,j+1) = N1(i,j) + ...
                    dt*( -1*(W11*(Pp_plus(i,j) + Pp_minus(i,j)) + W12*Ps(i,j) + sum(W13.*(PASE_plus(:,i,j)+PASE_minus(:,i,j))'))*N1(i,j) +...
                            (A21 + W14*Ps(i,j) + sum(W15.*(PASE_plus(:,i,j)+PASE_minus(:,i,j))'))*N2(i,j) + ...
                             C2*N2(i,j)^2 + W16*(Pp_plus(i,j) + Pp_minus(i,j))*N3(i,j) + C3*N3(i,j)^2 - C14*N1(i,j)*N4(i,j)+...
                            -1*Ktr*N2_Yb(i,j)*N1(i,j)+Kba*N1_Yb(i,j)*N3(i,j) );
    
        %      1ʽ  2
        N2(i,j+1) = N2(i,j) + ...   
                    dt*( (W21*Ps(i,j)+sum(W22.*(PASE_plus(:,i,j)+PASE_minus(:,i,j))'))*N1(i,j) +...
                      -1*(A21 + W23*Ps(i,j) + sum( W24.*(PASE_plus(:,i,j)+PASE_minus(:,i,j))' ))*N2(i,j) +...
                          A32*N3(i,j) - 2*C2*N2(i,j)^2 + 2*C14*N1(i,j)*N4(i,j) );
        
        %      1ʽ  3
        N3(i,j+1) = N3(i,j) + ...    
                    dt*( W31*(Pp_plus(i,j) + Pp_minus(i,j))*N1(i,j) - A32*N3(i,j) - W32*(Pp_plus(i,j) + Pp_minus(i,j))*N3(i,j) -...
                         2*C3*N3(i,j)^2 + A43*N4(i,j) + Ktr*N2_Yb(i,j)*N1(i,j) - Kba*N1_Yb(i,j)*N3(i,j) );
       
        %      1ʽ  4
        N1_Yb(i,j+1) = N1_Yb(i,j) + ...
                       dt*(-1*W41*(Pp_plus(i,j) + Pp_minus(i,j))*N1_Yb(i,j) + W42*(Pp_plus(i,j) + Pp_minus(i,j))*N2_Yb(i,j) +...
                              A21Yb*N2_Yb(i,j) + Ktr*N2_Yb(i,j)*N1(i,j) - Kba*N1_Yb(i,j)*N3(i,j));
                
        %      1ʽ  5
        N4(i,j+1) = NEr - (N1(i,j+1) + N2(i,j+1) + N3(i,j+1)); 
        
        %      1ʽ  6
        N2_Yb(i,j+1) = NYb - N1_Yb(i,j+1);
        
        if N1(i,j+1) > NEr,N1(i,j+1) = NEr;end
        if N2(i,j+1) > NEr,N2(i,j+1) = NEr;end    
        if N3(i,j+1) > NEr,N3(i,j+1) = NEr;end    
        if N4(i,j+1) > NEr,N4(i,j+1) = NEr;end    
        if N1_Yb(i,j+1) > NYb,N1_Yb(i,j+1) = NYb;end
        if N2_Yb(i,j+1) > NYb,N2_Yb(i,j+1) = NYb;end          
        
        if N1(i,j+1) < 0,N1(i,j+1) = 0;end
        if N2(i,j+1) < 0,N2(i,j+1) = 0;end    
        if N3(i,j+1) < 0,N3(i,j+1) = 0;end    
        if N4(i,j+1) < 0,N4(i,j+1) = 0;end    
        if N1_Yb(i,j+1) < 0,N1_Yb(i,j+1) = 0;end
        if N2_Yb(i,j+1) < 0,N2_Yb(i,j+1) = 0;end             
        
  
        %     Ϸ  ̼   õ   N1  N2  N3  N4  N1Yb  N2Yb    
        %      2
        Pp_plus(i+1,j)   =  Pp_plus(i,j)  + dz*(-Fp*(O13_vp*N1(i,j) - O31_vp*N3(i,j) + O12Yb_vp*N1_Yb(i,j) - O21Yb_vp*N2_Yb(i,j))*Pp_plus(i,j)  - ap*Pp_plus(i,j));

        Pp_minus(i+1,j)  =  Pp_minus(i,j) + dz*(Fp*(O13_vp*N1(i,j) - O31_vp*N3(i,j) + O12Yb_vp*N1_Yb(i,j) - O21Yb_vp*N2_Yb(i,j))*Pp_minus(i,j) + ap*Pp_plus(i,j));

        Ps(i+1,j)        =  Ps(i,j)     + dz*(Fs*( O21_vs*N2(i,j) - O12_vs*N1(i,j) )*Ps(i,j) - as*Ps(i,j)); 
    
        for ii = 1:M
            PASE_plus(ii,i+1,j)  =    PASE_plus(ii,i,j)+dz*(F_ASE_vj(ii)*( O21_vj(ii)*N2(i,j) - O12_vj(ii)*N1(i,j) ) * PASE_plus(ii,i,j) +...
                                      2*h*Vj(ii)*DVj(ii)*F_ASE_vj(ii)*O21_vj(ii)*N2(i,j)-as*PASE_plus(ii,i,j));

            PASE_minus(ii,i+1,j) =   PASE_minus(ii,i,j)+dz*(-1*F_ASE_vj(ii)*( O21_vj(ii)*N2(i,j) - O12_vj(ii)*N1(i,j) ) * PASE_minus(ii,i,j) -...
                                     2*h*Vj(ii)*DVj(ii)*F_ASE_vj(ii)*O21_vj(ii)*N2(i,j)+as*PASE_minus(ii,i,j));            
        end

        if Pp_plus(i+1,j)    < 0,Pp_plus(i+1,j)     = 0;end
        if Pp_minus(i+1,j)   < 0,Pp_minus(i+1,j)    = 0;end
        if Ps(i+1,j)         < 0,Ps(i+1,j)          = 0;end        
 
        %ͨ    ̬    õ Pp+  Pp-  Pase+  Pase-  Ps
        
    end
end

for z = 1:Nz
    for t = 1:Nt
        PASE_plus2(z,t)  = sum(PASE_plus(:,z,t));
        PASE_minus2(z,t) = sum(PASE_minus(:,z,t));
    end
end

for z = 1:Nz
    for t = 1:Nt
        G(z,t)  =  10*log10(Ps(z,t)/Ps(1,1)); 
    end
end

for z = 1:Nz
    for t = 1:Nt
        NF(z,t)  =  10*log10(1/G(z,t) +  PASE_plus2(z,t)/(G(z,t)*Vs*DVs) ); 
    end
end

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
Pp_plus2  = interp1(dz:dz:L,Pp_plus(1:end,Nz),0:dz/10:L,'cubic');
Pp_minus2 = interp1(dz:dz:L,Pp_minus(1:end,Nz),0:dz/10:L,'cubic');

figure;
subplot(211);
plot(0:dz/10:L,Pp_plus2,'g-','LineWidth',3);
xlabel('z');
ylabel('Pp+(Z)');
title('Pp+(Z)&z');
grid on;
subplot(212);
plot(L:-dz/10:0,Pp_minus2,'m--','LineWidth',2);
xlabel('z');
ylabel('Pp-(Z)');
title('Pp-(Z)&z');
grid on;
16_015m

4.本算法原理

本课题求解的方程组表达式如下:

    基于离散差分法的复杂微分方程组求解.“连续微分方程”到“离散微分方程”到“差分方程”,离散微分方程,变成差分方程。建立差分方程时,时间采用一阶显格式,空间采用一阶偏心差分格式。

5.完整程序

VVV

Simulink建模与仿真-van der Pol微分方程-S函数封装(Matlab --附案例代码) 本文使用MATLAB的S-function模块,并编写了一个S-funtion求解带附加参数的van der Pol微分方程,并使用Simulink模块封装该函数。包含了详细的思路说明和案例代码,是博主之前写课程作业时偶然发现并摸索出来的方法,希望对大家有所启发,如有建议请指出哦。 阅读详情

相关推荐

使用有限差分法求解复杂微分方程及Matlab仿真

有限差分法的基本思想是将连续的微分方程转化为离散的差分方程,然后通过求解差分方程得到数值解。具体而言,我们将自变量和因变量的定义域离散化,将微分算子用差分算子近似代替,从而将微分方程转化为代数方程组。通过求解代数方程组,我们可以得到离散点上的数值解,从而近似地得到微分方程的解。然后,我们根据实际问题定义了函数p(x),q(x),r(x)。其中,A是一个(N+1)×(N+1)的矩阵,y是一个(N+1)维的向量,b是一个(N+1)维的向量。其中,p(x),q(x),r(x)是给定的函数。

pytorchCode的博客 703

通过有限差分求求解较复杂的微分方程及matlab仿真

同时,库朗把有限差分法用于求偏微分方程的数值解,发展了这一方法。人工粘性法成为现代流体计算的主导方法之一,而得出这种方法的自适应的算法思想也给其他计算方法的发展以很大的启发和影响。在现代,有限差分方法应用于各类微分方程和积分—微分方程的各种定解问题,如常微分方程初值问题、边值问题,偏微分方程初值问题、边值问题,玻耳兹曼方程,计算流体力学等等。的逼近在微分方程数值解的有限差分方法,特别是边界值问题,起着关键的作用。有限差分导数的逼近在微分方程数值解的有限差分方法,特别是边界值问题,起着关键的作用。

FPGA/MATLAB学习教程/源码/项目合作开发 6185

MATLAB:基本操作及常微分方程的数值解法、椭圆方程的差分格式、两点边值问题的差分格式

有限差分法的原理是将求解区域划分为离散的网格点,并使用差分近似替代微分算子。一种常见的差分格式是有限差分法,它将微分方程转化为离散的差分方程,并通过求解离散方程组得到数值解。常微分方程的数值解法是通过数值计算逼近求解微分方程的解。常用的数值解法包括欧拉方法、改进的欧拉方法、龙格-库塔方法等。这些方法将偏微分方程转化为离散的差分方程,通过求解离散方程组来获取数值解。MATLAB(Matrix Laboratory)是一种高级的数值计算和科学编程语言,广泛应用于科学、工程和其他技术领域。

走向CTO的路上... 1191

MATLAB 求解微分方程

微分方程的数值解是相对于解析解而言的,它指的是在无法或不需要找到微分方程的精确解析解时,通过数值计算得到方程在特定点或特定区间上的近似解。定义微分方程的数值解是方程的近似解,通常通过一系列离散点上的函数值来逼近真实解。与解析解的区别解析解通常表示为初等函数形式,能够精确地给出函数在定义域内的值。数值解则是通过数值方法(如迭代、差分等)得到的近似解,适用于解析解难以表示或计算量较大的情况。

m0_74993985的博客 5260

Matlab实现偏微分方程求解:扩散方程有限差分法实战

首先,我们需要定义物理参数和控制参数:扩散系数D空间范围L时间总长T空间步长dx时间步长dt网格点数N和时间步数Nt示例代码如下:% 物理参数D = 0.01;% 扩散系数L = 1;% 空间范围 [0, L]T = 1;% 总时间% 网格参数dx = 0.01;% 空间步长dt = 0.001;% 时间步长% 空间点数% 时间步数逻辑分析:D为扩散系数,控制扩散速度;L定义了空间范围,便于构建离散网格;dx和dt。

weixin_29867767的博客 1226

偏微分方程数值求解方法实战详解

简介:偏微分方程(PDE)是描述物理、工程和科学中多变量动态系统的核心数学工具,广泛应用于热传导、流体动力学、电磁场和量子力学等领域。由于多数PDE难以获得解析解,数值求解成为关键手段。本专题系统介绍有限差分法、有限元法和边界元法等主流数值方法,涵盖离散化、稳定性分析、误差控制及实际应用中的非线性、多尺度与随机性挑战,并结合MATLAB、COMSOL等工具实现高效求解,帮助学习者掌握PDE数值计算的核心技术与工程实践能力。

weixin_33622085的博客 1138

MATLAB矩阵常微分方程数值解与数值仿真(连续时间多智能体系统)

在多智能体系统(MASs)论文数值仿真时,时常碰到连续系统的情况,其中参数也多为系数矩阵。本文主要对简单的连续系统微分方程(含系数矩阵)的MATLAB数值解求法进行归纳,并绘制仿真图像。同时也对一阶和高阶微分方程求法进行总结。 系统方程为一阶积分器的连续系统 目录1. 可求解析解的微分方程2. MATLAB函数直接调用3. 其他情形3.1 一阶微分方程3.2 高阶微分方程参考资料 1. 可求解析解的微分方程 2. MATLAB函数直接调用 3. 其他情形 3.1 一阶微分方程 3.2 高阶微分方程 微.

KKKKKKOK的博客 6706

基于MATLAB的中心差分法在结构动力学中的应用与实现

htmltable {th, td {th {pre {简介:中心差分法是一种重要的数值分析方法,广泛用于求解微分方程的近似解,尤其适用于物理和工程领域的结构动力学问题。本文介绍如何利用MATLAB实现中心差分法,涵盖从微分方程建模、时间与空间离散化到迭代求解的完整流程。该方法通过在相邻节点间取平均值来估计导数,具有无偏性和较高精度,特别适合稳定线性系统的仿真。

weixin_36289813的博客 1156

基于龙格库塔算法的偏微分方程求解matlab仿真

在讨论PDE之前,先简要回顾一下龙格-库塔方法的基本原理。考虑一阶常微分方程初值问题:其中,y(t)是未知函数,f是给定的函数,描述了y关于时间t的变化率。龙格-库塔方法通过构建一个多项式近似来估计在时间间隔[tn​,tn+1​]内y的值,进而得到y(tn+1​)的近似值。最简单的二阶龙格-库塔方法(RK2,也称作改进欧拉法)可表示为:其中,ℎh是时间步长,yn​和yn+1​分别表示y在tn​和tn+1​时刻的近似值,1k1​和k2​是中间斜率的估计。

FPGA/MATLAB学习教程/源码/项目合作开发 2216

微分方程仿真及建模的运用

在高等数学建模及仿真中的实际运用,我们可以通过数学的理论知识过度到实际工程中

常用Matlab求解微分方程实例

这是上海某大学的计算机仿真课作业,共享了~

基于MATLAB的轴承润滑方程数值求解仿真

这次仿真让我对轴承润滑问题有了更深入的理解,也让我对MATLAB的数值求解能力有了更多的信心。虽然过程中遇到了一些问题,但通过不断调试和优化,最终还是得到了满意的结果。未来可以考虑进一步优化算法,或者扩展模型,比如考虑三维效应或者其他润滑条件。总之,这是一个非常有趣且有挑战性的项目,希望以后能有更多类似的机会来学习和实践。

vRZOvtDOKWS的博客 1297

计算机仿真入门,用Matlab求解微分方程

用欧拉法、改进的欧拉法、经典龙格库塔法、四阶显式Adams法、四阶隐式Adams法求解微分方程,Matlab编程,结果分析比较,初学计算机仿真的人可以借鉴。

【热力学】基于有限差分法求解描述薄板表面温度分布的偏微分方程附Matlab代码和报告

在工程热物理领域,薄板的温度分布是热设计与热管理的核心问题,例如电子设备中的散热片、航空发动机的薄壁构件等,其温度场的精准预测直接影响设备的可靠性与寿命。薄板的热传导过程通常由偏微分方程(如热传导方程)描述,由于边界条件与热源分布的复杂性,解析解往往难以获得。有限差分法(FDM)作为一种成熟的数值方法,通过将连续的偏微分方程离散为代数方程组,实现对温度场的高效求解。

m0_57702748的博客 995

Ubuntu AX200 iwlwifi-cc-46.3cfab8da.0.tgz无法下载的解决办法

AX200 iwlwifi-cc-46.3cfab8da.0.tgz 无法下载网页出问题使用 其他方法来进行但是前提还是有网络。

chen20170325的博客 1040

交叉熵损失函数基本概念及公式

对于二分类问题,模型的输出通常是一个标量,表示样本属于正类的概率。因此,在二分类的交叉熵损失函数中,我们只需要考虑一个概率值,即模型预测为正类的概率。具体来说,当真实标签为1时,我们关注模型预测为正类的概率;当真实标签为0时,我们关注模型预测为负类的概率。因此,二分类的交叉熵损失函数可以表示为:其中,y 表示真实标签,取值为 0 或 1;p 表示模型预测为正类的概率。而对于多分类问题,模型的输出通常是一个向量,表示样本属于各个类别的概率。因此,在多分类的交叉熵损失函数中,我们需要考虑所有类别的概率。

qlkaicx的博客 1万+
上一篇: 基于圆柱体镜子和光线跟踪实现镜反射观测全景观图的matlab模拟仿真
下一篇: 基于免疫算法的TSP问题求解matlab仿真
软件算法开发
博客等级 码龄3年 2138粉丝 246原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

软件算法开发

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值