PT2 mit Totzeit in scipy simulieren

Gast #6100177
Moin,

kennt sich jemand mit scipy aus? Möchte gern einen geschlossenen 
Regelkreis simulieren. Dies gelingt mir auch, aber ich lasse für jeden 
Zeitschritt das komplette System bei 0 neu simulieren. Also lsim mit den 
kompletten Vektoren neu berechnen.

Ich könnte jetzt etwas mehr Geschwindigkeit gebrauchen und wollte 
schauen, dass ich die DGL auch schrittweise lösen kann.

Bei lsim kann ich die Startbedingung der internen State-Vektoren 
übergeben (X0) jedoch weicht das System in einem Test stark ab.

Hier mal das minimal Beispiel von lsim; als zweiten Weg versucht in 
einer Schleife zu berechnen.
Kann mir jemand sagen wo mein Denkfehler liegt? Oder sollte ich noch 
weiter "unten" ansetzen und einfach selbst RK4 Integrator aufrufen?! Hat 
evtl. jemand ein Beispiel?
1
from scipy import signal
2
import numpy as np
3
import matplotlib.pyplot as plt
4

5
system = signal.lti([[0., 1.], [0., 0.]], [[0.], [1.]], [[1., 0.]], 0.)
6
t = np.linspace(0, 5)
7
u = np.ones_like(t)
8
tout, y, x = signal.lsim(system, u, t)
9

10
t = np.linspace(0, 5)
11
yges = []
12
x0 = [0., 0.]
13
for i in range(0, len(t) - 1):
14
    tout, ya, x0 = signal.lsim(system, u[i:i+2], t[i:i+2], x0[-1])
15
    yges.append(ya[-1])
16
    
17
plt.plot(t, y)
18
plt.plot(t[0:len(t) - 1], yges)
19
plt.show()

Danke,

Basti
Gast #6100264
Moin,

da hat man mich wohl falsch verstanden... die Totzeit ist auch kein 
Problem, es geht um die Einzelschritte in der Loop...
Meine Überschrift ist hierzu recht verwirrend. Eigentlich steht da nur, 
was schon geht... was ich nun brauche ist mehr Speed...

Habe jedoch noch einen Hinweis gefunden:

https://www.youtube.com/watch?v=6ivdfKfGp4k

Mit python-control habe ich es nun hinbekommen:
1
from scipy import signal
2
import numpy as np
3
import matplotlib.pyplot as plt
4
import control
5

6
system = signal.lti([[0., 1.], [0., 0.]], [[0.], [1.]], [[1., 0.]], 0.)
7
state_space = control.StateSpace([[0., 1.], [0., 0.]], [[0.], [1.]], [[1., 0.]], 0.)
8
t = np.linspace(0, 5)
9
u = np.ones_like(t)
10
tout, y, x = signal.lsim(system, u, t)
11

12
yges = []
13
x0 = np.zeros(len(state_space.pole()))
14
dt = t[1] - t[0]
15
for i, t_i in enumerate(t):
16
    tout, ya, x0 = control.forced_response(state_space, [t_i-dt, t_i], [u[i], u[i]], X0=x0)
17
    x0 = np.squeeze(x0[:,-1])
18
    yges.append(np.squeeze(ya[:-1]))
19
    
20
plt.plot(t, y)
21
plt.plot(t, yges)
22
plt.show()

Interessant ist, dass control.forced_response initial mit einer 
negativen Zeit aufgerufen wird, was lsim nicht erlaubt. Das Ergebnis ist 
aber exakt gleich...

Vielleicht hangel ich mich hier weiter...

Antwort schreiben

Eine eigene Frage? Dieser Thread ist über 6 Jahre alt. Stell sie in einem eigenen Thread – dort lesen mehr Leute mit, und sie wird öfter und schneller beantwortet.

Neuen Thread starten

Eine Lösung, Ergänzung oder Rückmeldung zu diesem Thread? Dann antworte hier.

Formatierung
  • [c]C-Code[/c]
  • [code]Code in anderen Sprachen, ASCII-Zeichnungen[/code]
  • [math]Formel in LaTeX-Syntax[/math]
  • [[Titel]] – Link zu einem Artikel
  • Verweis auf einen anderen Beitrag: Rechtsklick auf dessen Beitrags-ID (#8078628), „Adresse kopieren“, in den Text einfügen

Mehr zur Formatierung

Längeren Sourcecode als Anhang, nicht in den Text. JPG nur für Fotos und Scans; Zeichnungen und Screenshots als PNG oder GIF. Siehe Bildformate.

Schon registriert? Anmelden

Wird nicht angezeigt. Wir schicken dir einen Link; sobald du damit bestätigst, erscheint dein Beitrag.

Mit dem Abschicken legst du einen kostenlosen Account an und erkennst die Nutzungsbedingungen und die Datenschutzerklärung an.