С уть метода Лагранжа заключается в сведении задачи на условный экстремум к решению задачи безусловного экстремума. Рассмотрим модель нелинейного программирования:

(5.2)

где
– известные функции,

а
– заданные коэффициенты.

Отметим, что в данной постановке задачи ограничения заданы равенствами, отсутствует условие неотрицательности переменных. Кроме того, полагаем, что функции
непрерывны со своими первыми частными производными.

Преобразуем условия (5.2) таким образом, чтобы в левых или правых частях равенств стоял ноль :

(5.3)

Составим функцию Лагранжа. В нее входит целевая функция (5.1) и правые части ограничений (5.3), взятые соответственно с коэффициентами
. Коэффициентов Лагранжа будет столько, сколько ограничений в задаче.

Точки экстремума функции (5.4) являются точками экстремума исходной задачи и наоборот: оптимальный план задачи (5.1)-(5.2) является точкой глобального экстремума функции Лагранжа.

Действительно, пусть найдено решение
задачи (5.1)-(5.2), тогда выполняются условия (5.3). Подставим план
в функцию (5.4) и убедимся в справедливости равенства (5.5).

Таким образом, чтобы найти оптимальный план исходной задачи, необходимо исследовать на экстремум функцию Лагранжа. Функция имеет экстремальные значения в точках, где ее частные производные равны нулю . Такие точки называютсястационарными.

Определим частные производные функции (5.4)

,

.

После приравнивания нулю производных получим системуm+n уравнений сm+n неизвестными

,(5.6)

В общем случае система (5.6)-(5.7) будем иметь несколько решений, куда войдут все максимумы и минимумы функции Лагранжа. Для того чтобы выделить глобальный максимум или минимум, во всех найденных точках вычисляют значения целевой функции. Наибольшее из этих значений будет глобальным максимумом, а наименьшее – глобальным минимумом. В некоторых случаях оказывается возможным использование достаточных условий строгого экстремума непрерывных функций (см. ниже задачу 5.2):

пусть функция
непрерывна и дважды дифференцируема в некоторой окрестности своей стационарной точки(т.е.
)). Тогда:

а ) если
, (5.8)

то – точка строгого максимума функции
;

б) если
, (5.9)

то – точка строгого минимума функции
;

г ) если
,

то вопрос о наличии экстремума остается открытым.

Кроме того, некоторые решения системы (5.6)-(5.7) могут быть отрицательными. Что не согласуется с экономическим смыслом переменных. В этом случае следует проанализировать возможность замены отрицательных значений нулевыми.

Экономический смысл множителей Лагранжа. Оптимальное значение множителя
показывает на сколько изменится значение критерияZ при увеличении или уменьшении ресурсаj на одну единицу, так как

Метод Лагранжа можно применять и в том случае, когда ограничения представляют собой неравенства. Так, нахождение экстремума функции
при условиях

,

выполняют в несколько этапов:

1. Определяют стационарные точки целевой функции, для чего решают систему уравнений

.

2. Из стационарных точек отбирают те, координаты которых удовлетворяют условиям

3. Методом Лагранжа решают задачу с ограничениями-равенствами (5.1)-(5.2).

4. Исследуют на глобальный максимум точки, найденные на втором и третьем этапах: сравнивают значения целевой функции в этих точках – наибольшее значение соответствует оптимальному плану.

Задача 5.1 Решим методом Лагранжа задачу 1.3, рассмотренную в первом разделе. Оптимальное распределение водных ресурсов описывается математической моделью

.

Составим функцию Лагранжа

Найдем безусловный максимум этой функции. Для этого вычислим частные производные и приравняем их к нулю

,

Таким образом, получили систему линейных уравнений вида

Решение системы уравнений представляет собой оптимальный план распределения водных ресурсов по орошаемым участкам

, .

Величины
измеряются в сотнях тысяч кубических метров.
- величина чистого дохода на одну сотню тысяч кубических метров поливной воды. Следовательно, предельная цена 1 м 3 оросительной воды равна
ден. ед.

Максимальный дополнительный чистый доход от орошения составит

160·12,26 2 +7600·12,26-130·8,55 2 +5900·8,55-10·16,19 2 +4000·16,19=

172391,02 (ден. ед.)

Задача 5.2 Решить задачу нелинейного программирования

Ограничение представим в виде:

.

Составим функцию Лагранжа и определим ее частные производные

.

Чтобы определить стационарные точки функции Лагранжа, следует приравнять нулю ее частные производные. В результате получим систему уравнений

.

Из первого уравнения следует

. (5.10)

Выражение подставим во второе уравнение

,

откуда следует два решения для :

и
. (5.11)

Подставив эти решения в третье уравнение, получим

,
.

Значения множителя Лагранжа и неизвестной вычислим по выражениям (5.10)-(5.11):

,
,
,
.

Таким образом, получили две точки экстремума:

;
.

Для того чтобы узнать являются ли данные точки точками максимума или минимум, воспользуемся достаточными условиями строгого экстремума (5.8)-(5.9). Предварительно выражение для , полученное из ограничения математической модели, подставим в целевую функцию

,

. (5.12)

Для проверки условий строгого экстремума следует определить знак второй производной функции (5.11) в найденных нами экстремальных точках
и
.

,
;

.

Таким образом, (·)
является точкой минимума исходной задачи (
), а (·)
– точкой максимума.

Оптимальный план :

,
,
,

.

Наименование параметра	Значение
Тема статьи:	Метод Лагранжа.
Рубрика (тематическая категория)	Математика

Найти полином означает определить значения его коэффициента . Для этого используя условие интерполяции можно сформировать систему линœейных алгебраических уравнений (СЛАУ).

Определитель этой СЛАУ принято называть определителœем Вандермонда. Определитель Вандермонда не равен нулю при для , то есть в том случае, когда в интерполяционной таблице нет совпадающих узлов. Τᴀᴋᴎᴍ ᴏϬᴩᴀᴈᴏᴍ, можно утверждать, что СЛАУ имеет решение и это решение единственно. Решив СЛАУ и определив неизвестные коэффициенты можно построить интерполяционный полином .

Полином, удовлетворяющий условиям интерполяции, при интерполяции методом Лагранжа строится в виде линœейной комбинации многочленов n-ой степени:

Многочлены принято называть базисными многочленами. Для того, чтобы многочлен Лагранжа удовлетворял условиям интерполяции крайне важно, чтобы для его базисных многочленов выполнялись следующие условия:

для .

В случае если эти условия выполняются, то для любого имеем:

Τᴀᴋᴎᴍ ᴏϬᴩᴀᴈᴏᴍ, выполнение заданных условий для базисных многочленов означает, что выполняются и условия интерполяции.

Определим вид базисных многочленов исходя из наложенных на них ограничений.

1-е условие: при .

2-е условие: .

Окончательно для базисного многочлена можно записать:

Тогда, подставляя полученное выражение для базисных многочленов в исходный полином, получаем окончательный вид многочлена Лагранжа:

Частная форма многочлена Лагранжа при принято называть формулой линœейной интерполяции:

.

Многочлен Лагранжа взятый при принято называть формулой квадратичной интерполяции:

Метод Лагранжа. - понятие и виды. Классификация и особенности категории "Метод Лагранжа." 2017, 2018.

- Метод Лагранжа (метод вариации произвольной постоянной).

Линейные ДУ. Определение. ДУ вида т.е. линейное относ-но неизвестной ф-ции и ее производной наз-ся линейным. Для реш-я такого типа ур-й рассмотрим два метода: метод Лагранжа и метод Бернулли.Рассмотрим однородное ДУ Это ур-е с разделяющимися переем-ми Решение ур-я Общее... .

- Линейные ДУ, однород-е и неоднород-е. Понятие общего реш-я. Метод Лагранжа вариации произв-х постоянных.

Определение. ДУ наз-ся однород-м, если ф-я может быть представлена, как ф-я отнош-я своих аргументов Пример. Ф-я наз-ся однородной ф-й измерения если Примеры: 1) - 1-й порядок однородности. 2) - 2-й порядок однородности. 3) - нулевой порядок однородности (просто однородная... .

- Лекция 8. Применение частных производных: задачи на экстремум. Метод Лагранжа.

Задачи на экстремум имеют большое значение в экономических расчетах. Это вычисление, например, максимумов дохода, прибыли, минимума издержек в зависимости от нескольких переменных: ресурсов, производственных фондов и т.д. Теория нахождения экстремумов функций... .

- Т.2.3. ДУ высших порядков. Уравнение в полных дифференциалах. Т.2.4. Линейные ДУ второго порядка с постоянными коэффициентами. Метод Лагранжа.

3. 2. 1. ДУ с разделяющимися переменными С.Р. 3. В естествознании, технике и экономике часто приходится иметь дело с эмпирическими формулами, т.е. формулами, составленными на основе обработки статистических данных или...

Метод множителей Лагранжа (в англ. литературе «LaGrange"s method of undetermined multipliers») ˗ это численный метод решения оптимизационных задач, который позволяет определить «условный» экстремум целевой функции (минимальное или максимальное значение)

при наличии заданных ограничений на ее переменные в виде равенств (т.е. определена область допустимых значений)

˗ это значения аргумента функции (управляемые параметры) на вещественной области при котором значение функции стремится к экстремуму. Применение названия «условный» экстремум связано с тем, что на переменные наложено дополнительное условие, которое ограничивает область допустимых значений при поиске экстремума функции.

Метод множителей Лагранжа позволяет задачу поиска условного экстремума целевой функции на множестве допустимых значений преобразовать к задаче безусловной оптимизации функции.

В случае если функции и непрерывны вместе со своими частными производными, то существуют такие переменные λ не равные одновременно нулю, при которых выполняется следующее условие:

Таким образом, в соответствии с методом множителей Лагранжа для поиска экстремума целевой функции на множестве допустимых значений составляю функцию Лагранжа L(х, λ), которую в дальнейшем оптимизируют:

где λ ˗ вектор дополнительных переменных, называемых неопределенными множителями Лагранжа.

Таким образом, задача нахождения условного экстремума функции f(x) свелась к задаче поиска безусловного экстремума функции L(x, λ).

и

Необходимое условие экстремума функции Лагранжа задается системой уравнений (система состоит из «n + m» уравнений):

Решение данной системы уравнений позволяет определить аргументы функции (Х), при которых значение функции L(x, λ), а также значение целевой функции f(x) соответствуют экстремуму.

Величина множителей Лагранжа (λ) имеет практический интерес в случае, если ограничения представлены в форме со свободным членом уравнения (константой). В этом случае можно рассматривать дальнейшее (увеличение/уменьшение) значения целевой функции за счет изменения значения константы в системе уравнения . Таким образом, множитель Лагранжа характеризует скорость изменения максимума целевой функции при изменении ограничивающей константы.

Существует несколько способов определения характера экстремума полученной функции:

Первый способ: Пусть – координаты точки экстремума, а - соответствующее значение целевой функции. Берется точка , близкая к точке , и вычисляется значение целевой функции :

Если , то в точке имеет место максимум.

Если , то в точке имеет место минимум.

Второй способ: Достаточным условием, из которого можно выяснить характер экстремума, является знак второго дифференциала функции Лагранжа. Второй дифференциал функции Лагранжа определяется следующим образом:

Если в заданной точке минимум , если же , то целевая функция f(x) имеет в данной точке условный максимум.

Третий способ: Также характер экстремума функции можно выяснить рассмотрев гессиан функции Лагранжа. Матрица Гессе представляет собой симметричную квадратную матрицу вторых частных производных функции в точке , в которой элементы матрицы симметричны относительно главной диагонали.

Для определения типа экстремума (максимум или минимум функции) можно воспользоваться правилом Сильвестра:

1. Для того, чтобы второй дифференциал функции Лагранжа был знакоположителен необходимо, чтобы угловые миноры функции были положительными . При таких условиях функция в этой точке имеет минимум.

2. Для того, чтобы второй дифференциал функции Лагранжа был знакоотрицателен , необходимо, чтобы угловые миноры функции чередовались, причем первый элемент матрицы должен быть отрицательнsv . При таких условиях функция в этой точке имеет максимум.

Под угловым минором понимаем минор, расположенный в первых k строках и k столбцах исходной матрицы.

Основное практическое значение метода Лагранжа заключается в том, что он позволяет перейти от условной оптимизации к безусловной и, соответственно, расширить арсенал доступных методов решения задачи. Однако задача решения системы уравнений, к которой сводится данный метод, в общем случае не проще исходной задачи поиска экстремума. Такие методы называются непрямыми. Их применение объясняется необходимостью получить решение экстремальной задачи в аналитической форме (допустим, для тех или иных теоретических выкладок). При решении конкретных практических задач обычно используются прямые методы, основанные на итеративных процессах вычисления и сравнения значений оптимизируемых функций.

Методика расчета

1 шаг : Определяем функцию Лагранжа из заданной целевой функции и системы ограничений:

Вперёд

Для того, чтобы добавить Ваш комментарий к статье, пожалуйста, зарегистрируйтесь на сайте.

Метод множителей Лагранжа.

Метод множителей Лагранжа является одним из методов, которые позволяют решать задачи нелинейного программирования.

Нелинейное программирование-это раздел математического программирования, изучающий методы решения экстремальных задач с нелинейной целевой функцией и областью допустимых решений, определенной нелинейными ограничениями. В экономике это соответствует тому, что результаты (эффективность) возрастают или убывают непропорционально изменению масштабов использования ресурсов (или, что то же самое, масштабов производства): напр., из-за деления издержек производства на предприятиях на переменные и условно-постоянные; из-за насыщения спроса на товары, когда каждую следующую единицу продать труднее, чем предыдущую и т. д.

Задача нелинейного программирования ставится как задача нахождения оптимума определенной целевой функции

F(x 1 ,…x n), F (x ) → max

при выполнении условий

g j (x 1 ,…x n)≥0, g (x ) ≤ b , x ≥ 0

где x -вектор искомых переменных;

F (x ) -целевая функция;

g (x ) - функция ограничений (непрерывно дифференцируемая);

b - вектор констант ограничений.

Решение задачи нелинейного программирования (глобальный максимум или минимум) может принадлежать либо границе, либо внутренней части допустимого множества.

В отличие от задачи линейного программирования, в задаче программирования нелинейного оптимум не обязательно лежит на границе области, определенной ограничениями. Иначе говоря, задача состоит в выборе таких неотрицательных значений переменных, подчиненных системе ограничений в форме неравенств, при которых достигается максимум (или минимум) данной функции. При этом не оговариваются формы ни целевой функции, ни неравенств. Могут быть разные случаи: целевая функция нелинейная, а ограничения линейны; целевая функция линейна, а ограничения (хотя бы одно из них) нелинейные; и целевая функция, и ограничения нелинейные.

Задача нелинейного программирования встречается в естественных науках, технике, экономике, математике, в сфере деловых отношений и в науке управления государством.

Нелинейное программирование, например, связано с основной экономической задачей. Так в задаче о распределении ограниченных ресурсов максимизируют либо эффективность, либо, если изучается потребитель, потребление при наличии ограничений, которые выражают условия недостатка ресурсов. В такой общей постановке математическая формулировка задачи может оказаться невозможной, но в конкретных применениях количественный вид всех функций может быть определен непосредственно. Например, промышленное предприятие производит изделия из пластмассы. Эффективность производства здесь оценивается прибылью, а ограничения интерпретируются как наличная рабочая сила, производственные площади, производительность оборудования и т.д.

Метод "затраты - эффективность" также укладывается в схему нелинейного программирования. Данный метод был разработан для использования при принятии решений в управлении государством. Общей функцией эффективности является благосостояние. Здесь возникают две задачи нелинейного программирования: первая - максимизация эффекта при ограниченных затратах, вторая - минимизация затрат при условии, чтобы эффект был выше некоторого минимального уровня. Обычно эта задача хорошо моделируется с помощью нелинейного программирования.

Результаты решения задачи нелинейного программирования являются подспорьем при принятии государственных решений. Полученное решение является, естественно, рекомендуемым, поэтому необходимо исследовать предположения и точность постановки задачи нелинейного программирования, прежде чем принять окончательное решение.

Нелинейные задачи сложны, часто их упрощают тем, что приводят к линейным. Для этого условно принимают, что на том или ином участке целевая функция возрастает или убывает пропорционально изменению независимых переменных. Такой подход называется методом кусочно-линейных приближений, он применим, однако, лишь к некоторым видам нелинейных задач.

Нелинейные задачи в определенных условиях решаются с помощью функции Лагранжа: найдя ее седловую точку, тем самым находят и решение задачи. Среди вычислительных алгоритмов Н. п. большое место занимают градиентные методы. Универсального же метода для нелинейных задач нет и, по-видимому, может не быть, поскольку они чрезвычайно разнообразны. Особенно трудно решаются многоэкстремальные задачи.

Одним из методов, которые позволяют свести задачу нелинейного программирования к решению системы уравнений, является метод неопределенных множителей Лагранжа.

С помощью метода множителей Лагранжа по существу устанавливаются необходимые условия, позволяющие идентифицировать точки оптимума в задачах оптимизации с ограничениями в виде ра­венств. При этом задача с ограничениями преобразуется в эквива­лентную задачу безусловной оптимизации, в которой фигурируют некоторые неизвестные параметры, называемые множителями Ла­гранжа.

Метод множителей Лагранжа заключается в сведении задач на условный экстремум к задачам на безусловный экстремум вспомогательной функции - т. н. функции Лагранжа.

Для задачи об экстремуме функции f (х 1 , x 2 ,..., x n ) при условиях (уравнениях связи) φ i (x 1 , x 2 , ..., x n ) = 0, i = 1, 2,..., m , функция Лагранжа имеет вид

L(x 1, x 2… x n ,λ 1, λ 2 ,…λm)=f(x 1, x 2… x n)+∑ i -1 m λ i φ i (x 1, x 2… x n)

Множители λ 1 , λ 2 , ..., λm наз. множителями Лагранжа.

Если величины x 1 , x 2 , ..., x n , λ 1 , λ 2 , ..., λm суть решения уравнений, определяющих стационарные точки функции Лагранжа, а именно, для дифференцируемых функций являются решениями системы уравнений

то при достаточно общих предположениях x 1 , x 2 , ..., x n доставляют экстремум функции f.

Рассмотрим задачу минимизации функции n переменных с учетом одного ограничения в виде равенства:

Минимизировать f(x 1, x 2… x n) (1)

при ограничениях h 1 (x 1, x 2… x n)=0 (2)

В соответствии с методом множителей Лагранжа эта задача преобразуется в следующую задачу безусловной оптимизации:

минимизировать L(x,λ)=f(x)-λ*h(x) (3)

где Функция L(х;λ) называется функцией Лагранжа,

λ - неизвестная постоянная, которая носит название множителя Лагранжа. На знак λ никаких требований не накладывается.

Пусть при заданном значении λ=λ 0 безусловный минимум функции L(x,λ) по х достигается в точке x=x 0 и x 0 удовлетворяет уравнению h 1 (x 0)=0. Тогда, как нетрудно видеть, x 0 минимизирует (1) с учетом (2), поскольку для всех значений х, удовлетворяющих (2), h 1 (x)=0 и L(x,λ)=min f(x).

Разумеется, необходимо подобрать значение λ=λ 0 таким образом, чтобы координата точки безусловного минимума х 0 удовлетворяла равенству (2). Это можно сделать, если, рассматривая λ как переменную, найти безусловный минимум функции (3) в виде функции λ, а затем выбрать значение λ, при котором выполняется равенство (2). Проиллюстрируем это на конкретном примере.

Минимизировать f(x)=x 1 2 +x 2 2 =0

при ограничении h 1 (x)=2x 1 +x 2 -2=0=0

Соответствующая задача безусловной оптимизации записывается в следующем виде:

минимизировать L(x,λ)=x 1 2 +x 2 2 -λ(2x 1 +x 2 -2)

Решение. Приравняв две компоненты градиента L к нулю, получим

→ x 1 0 =λ

→ x 2 0 =λ/2

Для того чтобы проверить, соответствует ли стационарная точка х° минимуму, вычислим элементы матрицы Гессе функции L(х;u), рассматриваемой как функция х,

которая оказывается положительно определенной.

Это означает, что L(х,u) - выпуклая функция х. Следовательно, координаты x 1 0 =λ, x 2 0 =λ/2 определяют точку глобального минимума. Оптимальное значение λ находится путем подстановки значений x 1 0 и x 2 0 в уравнение2x 1 +x 2 =2, откуда 2λ+λ/2=2 или λ 0 =4/5. Таким образом, условный минимум достигается при x 1 0 =4/5 и x 2 0 =2/5 и равен min f(x)=4/5.

При решении задачи из примера мы рассматривали L(х;λ) как функцию двух переменных x 1 и x 2 и, кроме того, предполагали, что значение параметра λ выбрано так, чтобы выполнялось ограни­чение. Если же решение системы

J=1,2,3,…,n

в виде явных функций λ получить нельзя, то значения х и λ находятся путем решения следующей системы, состоящей из n+1 уравнений с n+1 неизвестными:

J=1,2,3,…,n., h 1 (x)=0

Для нахождения всех возможных решений данной системы можно использовать численные методы поиска (например, метод Ньютона). Для каждого из решений () следует вычислить элементы матрицы Гессе функции L, рассматриваемой как функция х, и выяснить, является ли эта матрица положительно определенной (локальный минимум) или отрицательно определенной (локальный максимум).

Метод множителей Лагранжа можно распространить на случай, когда задача имеет несколько ограничений в виде равенств. Рассмотрим общую задачу, в которой требуется

Минимизировать f(x)

при ограничениях h k =0, k=1, 2, ..., К.

Функция Лагранжа принимает следующий вид:

Здесь λ 1 , λ 2 , ..., λk -множители Лагранжа, т.е. неизвестные параметры, значения которых необходимо определить. Приравнивая частные производные L по х к нулю, получаем следующую систему n уравнении с n неизвестными:

Если найти решение приведенной выше системы в виде функций вектора λ оказывается затруднительным, то можно расширить систему путем включения в нее ограничений в виде равенств

Решение расширенной системы, состоящей из n+К уравнений с n+К неизвестными, определяет стационарную точку функции L. Затем реализуется процедура проверки на минимум или максимум, которая проводится на основе вычисления элементов матрицы Гессе функции L, рассматриваемой как функция х, подобно тому, как это было проделано в случае задачи с одним ограничением. Для некоторых задач расширенная система n+К уравнений с n+K неизвестными может не иметь решений, и метод множителей Лагранжа оказывается неприменимым. Следует, однако, отметить, что такие задачи на практике встречаются достаточно редко.

Рассмотрим частный случай общей задачи нелинейного программирования, предполагая, что система ограничений содержит только уравнения, отсутствуют условия неотрицательности переменных и и - функции непрерывные вместе со своими частными производными. Следовательно решив систему уравнений (7), получают все точки, в которых функция (6) может иметь экстремальные значения.

Алгоритм метода множителей Лагранжа

1.Составляем функцию Лагранжа.

2.Находим частные производные от функции Лагранжа по переменным x J ,λ i и приравниваем их нулю.

3.Решаем систему уравнений (7), находим точки, в которых целевая функция задачи может иметь экстремум.

4.Среди точек, подозрительных на экстремум, находим такие, в которых достигается экстремум, и вычисляем значения функции (6) в этих точках.

Пример.

Исходные данные: По плану производства продукции предприятию необходимо изготовить 180 изделий. Эти изделия могут быть изготовлены двумя технологическими способами. При производстве x 1 изделий 1 способом затраты равны 4x 1 +x 1 2 руб., а при изготовлении x 2 изделий 2 способом они составляют 8x 2 +x 2 2 руб. Определить сколько изделий каждым из способов следует изготовить, чтобы затраты на производство продукции были минимальными.

Целевая функция для поставленной задачи имеет вид
®min при условиях x 1 +x 2 =180, x 2 ≥0.
1.Составляем функцию Лагранжа
.
2. Вычисляем частные производные по x 1 , x 2, λ и приравниваем их нулю:

3. Решая полученную систему уравнений, находим x 1 =91,x 2 =89

4.Сделав замену в целевой функции x 2 =180-x 1 , получим функцию от одной переменной, а именно f 1 =4x 1 +x 1 2 +8(180-x 1)+(180-x 1) 2

Вычисляем или 4x 1 -364=0 ,

откуда имеем x 1 * =91, x 2 * =89.

Ответ: Количество изделий изготовленных первым способом равно х 1 =91, вторым способом х 2 =89 при этом значение целевой функции равно 17278 руб.

• Tutorial

Всем доброго дня. В данной статье хочу показать один из графических методов построения математических моделей для динамических систем, который называется Bond graph («bond» - связи, «graph» - граф). В русской литературе, описания данного метода, я нашел только в Учебном пособии Томского политехнического университета, А.В. Воронин «МОДЕЛИРОВАНИЕ МЕХАТРОННЫХ СИСТЕМ» 2008 г. Также показать классический метод через уравнение Лагранжа 2 рода.

Метод Лагранжа

Я не буду расписывать теорию, покажу этапы расчётов и с небольшими комментариями. Лично мне легче учиться на примерах, чем 10 раз читать теорию. Как мне показалось, в русской литературе, объяснение данного метода, да и вообще математики или физики, очень насыщено сложными формулами, что соответственно требует серьезного математического бэкграунда. Во время изучения метода Лагранжа (учусь в Туринском политехническом университет, Италия), я изучал русскую литературу, чтобы сопоставить методики расчётов, и мне было тяжело следить за ходом решения данного метода. Даже вспоминая курсы по моделированию в «Харьковском авиационном институте», вывод подобных методов был очень громоздким, и никто не затруднял себя в попытке разобраться в этом вопросе. Вот этому я решил написать, методичку для построения мат моделей по Лагранжу, как так оказалось это совсем не сложно, достаточно знать как считать производные по времени и частные производные. Для моделей по сложнее еще добавляются матрицы поворота, но в них тоже нет ничего сложного.

Особенности методов моделирования:

• Ньютона-Эйлера : векторные уравнения, основанные на динамическом равновесии сил (force) и моментов (moments)
• Лагранжа : скалярные уравнения, основанные на функциях состояния связанных с кинетической и потенциальной энергией (energies)
• Бонд-граф : метод основанный на течении мощности (power) между элементами системы

Начнем с простого примера. Масса с пружиной и демпфером. Пренебрегаем силой тяжести.

Рис 1 . Масса с пружиной и демпфером

Первым делом обозначаем:

• начальную системы координат (НСК) или неподвижную ск R0(i0,j0,k0) . Где? Можно тыкнуть пальцем в небо, но подёргав кончиками нейронов в мозгу, проходит идея поставить НСК на линии движения тела М1.
• системы координат для каждого тела с массой (у нас М1 R1(i1,j1,k1) ), ориентация может быть произвольной, но зачем усложнять себе жизнь, ставим с минимальным отличием от НСК
• обобщеные координаты q_i (минимальное количество переменные которыми можно описать движение), в данном примере одна обобщенная координата, движение только вдоль оси j

Рис 2 . Проставляем системы координат и обобщенные координаты

Рис 3 . Позиция и скорость тела М1

После найдем кинетическую (С) и потенциальную (Р) энергии и диссипативную функцию (D) для демпфера по формулам:

Рис 4 . Полная формула кинетической энергии

В нашем примере вращения нет, вторая составляющая равна 0.

Рис 5 . Расчет кинетической, потенциальной энергии и диссипативной функции

Уравнение Лагранжа имеет следующий вид:

Рис 6 . Уравнение Лагранжа и Лагранжиан

Дельта W_i это виртуальная работа совершенная приложенными силами и моментами. Найдем ее:

Рис 7 . Расчет виртуальной работы

Где дельта q_1 виртуальное перемещение.

Подставляем всё в уравнение Лагранжа:

Рис 8 . Полученная модель массы с пружинной и демпфером

На этом метод Лагранжа закончился. Как видно не так сложно, но это все же очень простой пример, для которого скорее всего метод Ньютона-Эйлера даже был бы проще. Для более сложных систем, где будет несколько тела, повернутые друг относительно друга на разные угол, метод Лагранжа будет легче.

Метод Bond graph

Сразу покажу так выглядит модель в bond-graph для примера с массой пружиной и демпфером:

Рис 9 . Bond-graph массы с пружинной и демпфером

Здесь придётся рассказать немного теории, которой хватит для построения простых моделей. Если кто нибудь заинтересован можете почитать книгу ( Bond Graph Methodology ) или (Воронин А.В. Моделирование мехатронных систем: учебное пособие. – Томск: Изд-во Томского политехнического университета, 2008 ).

Определим для начала, что сложные системы состоят из нескольких доменов. Например электродвигатель состоит из электрической и механической частей или доменов.

Bond graph основан на обмене мощности между этими доменами, подсистемами. Заметим, что обмен мощностью, любой формы, всегда определяется двумя переменными (переменные мощности ) с помощью которых, мы можем изучать взаимодействие различных подсистем в составе динамической системы (см. таблицу).

Как видно из таблицы выражение мощности везде практически одинаковое. В обобщении, Мощность - это произведение «потока - f » на «усилия - e ».

Усилие (англ. effort ) в электрическом домене это напряжение (e), в механическом - сила (F) или момент (T), в гидравлике – давление (p).

Поток (англ. flow ) в электрическом домене это ток (i), в механическом - скорость (v) или угловая скорость (omega), в гидравлике – поток или расход жидкости (Q).

Принимая данные обозначения, получаем выражение для мощности:

Рис 10 . Формула мощности через мощностные переменные

В языке bond-graph соединение между двумя подсистемами которые обмениваются мощностью представлена связью (англ. bond ). По этому и называется данный метод bond-graph или граф-связей, связной граф . Рассмотрим блок-диаграмму связей в модели с электродвигателем (это еще не bond-graph):

Рис 11 . Блок-диарамма потока мощности между доменами

Если у нас источник напряжения, то соответственно он генерирует напряжение и отдает его двигателю на отмотки (по этому стрелка направлена в сторону двигателя), в зависимости от сопротивления обмотки появляется ток по закону Ома (направлен от двигателя к источнику). Соответственно одна переменная является входом в подсистему, а вторая необходима должна быть выходом из подсистемы. Здесь напряжение (effort ) – вход, ток (flow ) – выход.

Если использовать источник тока, как поменяется диаграмма? Правильно. Ток будет направлен к двигателю, а напряжение к источнику. Тогда ток (flow ) – вход, напряжение (effort ) – выход.

Рассмотрим пример в механике. Сила, действующая на массу.

Рис 12 . Сила приложенная к массе

Блок-Диаграмма будет следующей:

Рис 13 . Блок-диаграмма

В этом примере, Сила (effort ) – входная переменная для массы. (Сила приложена к массе)
По второму закону Ньютона:

Масса отвечает скоростью:

В этом примере если одна переменная (сила - effort ) является входом в механический домен, то другая мощностная переменная (скорость - flow ) – автоматически становится выходом .

Что бы различать, где вход, а где выход, используется вертикальная линия на конце стрелки (связи) между элементами, эту линию называют знак причинности или причинная связь (causality ). Получается: приложенная сила – причина, а скорость - следствие. Этот знак очень важен для правильного построения модели системы, так как причинность - это следствие физического поведения и обмена мощностями двух подсистем, по этому выбор расположения знака причинности не может быть произвольным.

Рис 14 . Обозначение причинной связи

Эта вертикальная линия показывает какая подсистема получает усилие (effort ) и как следствие производить поток (flow ). В примере с массой будет так:

Рис 14 . Причинна связь для силы действующей на массу

По стрелке понятно что на вход для массы - сила , а выход - скорость . Это делается, что бы не загромождать стрелками схему и систематизации построения модели.

Следующий важный момент. Обобщённый импульс (количество движения) и перемещение (энергетические переменные ).

Таблица мощностных и энергетический переменных в разных доменах

Таблица выше вводит две дополнительные физические величины, используемые в методе bond-graph. Они называются обобщенный импульс (р ) и обобщенное перемещение (q ) или энергетические переменные, и получить их можно интегрированием мощностных переменных по времени:

Рис 15 . Связь между мощностными и энергетическими переменными

В электрическом домене :

Исходя из закона Фарадея, напряжение на концах проводника равняется производной от магнитного потока через этот проводник.

А Сила тока - физическая величина, равная отношению количества заряда Q, прошедшего за некоторое время t через поперечное сечение проводника, к величине этого промежутка времени.

Механический домен:

Из 2 закона Ньютона, Сила – производная по времени от импульса

И соответственно, скорость - производная по времени от перемещения:

Обобщим :

Базовые элементы

Все элементы в динамических системах, можно разделить на двухполюсные и четырехполюсные компоненты.
Рассмотрим двухполюсные компоненты :

Источники
Источники бывают как усилия, так и потока. Аналогия в электрическом домене: источник усилия – источник напряжения , источник потока – источник тока . Причинные знаки для источников должны быть только такие.

Рис 16 . Причинные связи и обозначение источников

Компонент R – диссипативный элемент

Компонент I – инерциальный элемент

Компонент C – емкостной элемент

Как видно из рисунков, разные элементы одного типа R,C,I описываться одинаковыми уравнениями. ТОЛЬКО есть отличие для электрической емкости, это нужно просто запомнить!

Четырёхполюснике компоненты :

Рассмотрим два компонента трансформатор и гиратор.

Последними важными компонентами в методе bond-graph выступают соединения. Существует два типа узлов:

На этом с компонентами закончили.

Основные этапы для проставления причинных связей после построения bond-graph:

1. Проставить причинные связи всем источникам
2. Пройтись по всем узлам и проставить причинные связи после пункта 1
3. Для компонентов I присвоить входную причинную связь (усилие входит в этот компонент), для компонентов С присваиваем выходную причинную связь (усилие выходит из этого компонента)
4. Повторить пункт 2
5. Проставить причинные связи для компонентов R

На этом мини-курс по теории закончим. Теперь у нас есть все необходимое для построения моделей.
Давайте решим пару примеров. Начнем с электрической цепь, лучше понять аналогию построения bond-graph.

Пример 1

Начнем построение bond-graph с источника напряжения. Просто пишем Se и ставим стрелку.

Видите все просто! Смотрим далее, R и L соединены последовательно, значить в них течет одинаковый ток, если говорить в мощностных переменных – одинаковый поток. Какой узел имеет одинаковый поток? Правильный ответ 1-узел. Присоединяем к 1-узлу источник, сопротивление (компонент - R) и индуктивность (компонент - I).

Далее у нас емкость и сопротивление в параллели, значить они имеют одинаковое напряжение или усилие. 0-узел подойдет как никто другой. Соединяем емкость (компонент С) и сопротивление (компонент R) к 0-узлу.

Узлы 1 и 0 тоже соединяем между собой. Направление стрелок выбирается произвольное, направление связи влияет только на знак в уравнениях.

Получиться следующий граф связей:

Теперь нужно проставить причинные связи. Следуя указаниям по последовательности их проставления, начнем с источника.

1. Мы имеем источник напряжения (усилия), такой источник имеет только один вариант причинности – выходную. Ставим.
2. Далее есть компонент I, смотрим что рекомендуют. Ставим
3. Проставляем для 1-узла. Есть
4. 0-узел должен иметь один вход и все выходные причинные связи. У нас есть пока одна выходная. Ищем компоненты С или I. Нашли. Ставим
5. Проставляем что осталось

Вот и все. Bond-graph построен. Ура, Товарищи!

Осталось дело за малым, написать уравнения, описывающие нашу систему. Для этого составим таблицу с 3 столбцами. В первом будут все компоненты системы, во втором входная переменная для каждого элемента, а в третьем – выходная переменная, для такого же компонента. Вход и выход мы уже определили причинностнными связями. Так что проблем возникнуть не должно.

Пронумеруем каждую связь для удобства записи уровнений. Уравнения для каждого элемента берем из перечня компонентов C,R,I.

Составив таблицу определим переменные состояния, их в данном примере 2, p3 и q5. Далее нужно записать уравнения состояния:

Вот и все модель готова.

Пример 2. Сразу хочу извениться за качество фото, главное что можно прочитать

Решим еще один пример для механической системы, тот же что мы решали методом Лагранжа. Я показу решение без комментариев. Проверим какой из данных методов проще, легче.

В матбале были составлены обе мат модели с одинаковыми параметрами, полученые методом Лагранжа и bond-graph. Результат ниже: Добавить метки