我试图通过Python包使用sundalials(https://computation.llnl.gov/projects/sundials/ida)中的求解器IDA来求解DAE系统(2个ODE和1个代数方程)化学试剂盒(https://scikits-odes.readthedocs.io)。在
我在用化学试剂盒2.4.0、日晷3.1.1和Python 3.6 64位。在
代码如下:
import numpy as np
from scikits.odes.dae import dae
SOLVER = 'ida'
extra_options = {'old_api': False, 'algebraic_vars_idx': [0, 1]}
##### Parameters #####
# vectors
v1 = np.array([3.e-05, 9.e-04])
v2 = np.array([-0.01])
v3 = np.array([100])
# matrices
m1 = np.array([[-1, 1, -1], [0, -1, 0]])
m2 = np.array([[1, 0, 0]])
m3 = np.array([[0, 0, 1]])
m4 = np.array([[0., 0., 0., 0., 0., 0.],
[0., 0., 0., 0., 0., 0.],
[0., 0., 2000., 0., 0., 0.],
[0., 0., 0., 13e3, 0., 0.],
[0., 0., 0., 0., 13e3, 0.],
[0., 0., 0., 0., 0., 13e3]])
##### Equations #####
def f(_, y):
y1 = y[:2]
y2 = y[2:3]
y3 = y[3:]
return np.hstack((m1 @ y3 + v1,
- m2 @ y3 - v2,
- 2e2 * np.abs(y3*1000) ** 0.852 * y3 + m1.T @ y1 + m2.T @ y2 + m3.T @ v3))
def right_hand_side(_, y, ydot, residue):
residue[:] = f(_, y) - m4 @ ydot
return 0
##### Initial conditions and time grid #####
tout = np.array([0., 300.])
y_initial = np.array([0., 0., 0., 0., 0., 0.])
ydot_initial = np.array([0., 0., 0., 0., 0., 0.])
##### Solver #####
dae_solver = dae(SOLVER, right_hand_side, **extra_options)
output = dae_solver.solve(tout, y_initial, ydot_initial)
print(output.values.y)
当我运行它时,我得到以下错误:
^{pr2}$你知道它是从哪里来的吗?在
LutzL对初始条件的看法是正确的。多亏了A.C.Hindmarsh在日晷论坛(http://sundials.2283335.n4.nabble.com/IDA-ERROR-IDASolve-the-corrector-convergence-failed-repeatedly-or-with-h-hmin-td4655649.html)上的回答,我对化学试剂盒(https://github.com/bmcage/odes/blob/master/scikits/odes/sundials/ida.pyx),我发现求解器IDA的包装器可以使用一个选项
compute_initcond
来指定我们希望解算器自己计算的初始条件。因此,我将这个选项设置为'y0'
,解算器现在成功地集成了我的系统。在直接原因应该是初始向量不是一致状态,因为它违反了代数部分
因为}是非零的。在
y1=[0,0]
和{除此之外,据我所知,您的系统有索引2,这需要一个专门的DAE解算器。DASPK用于日晷/IDA,通常只解决index-1dae。根据版本的不同,还可以解决index-2 DAE的某些特殊类。从R包装器文档中我们可以了解到,如果变量的最大微分阶数已知,则可以得到索引高达3的解。我不知道这个python包装器是否准备好了。在
无需DAE解算器的解决方案通过手动索引缩减
系统
^{pr2}$可以转换成ODE内核和状态重建过程。ODE的约化状态由
[ b, c3 ]
和方程组成对于状态重构(从
^{4}$b,c3,c3'
开始,使用微分的ODE函数)如果要在ODE中包含完整的状态,则需要再次微分所有方程(可能除了第三个方程)(因此微分指数2)。然后通过投影从ODE系统的状态(包含一些派生组件)中获得DAE的状态。在
相关问题 更多 >
编程相关推荐