我刚刚尝试解决Schittkowski DAE测试套件(http://klaus-schittkowski.de/mc_dae.htm)中的一个DAE问题,但没有成功(Python3.7)。
m=GEKKO(remote=False)
m.time = np.linspace(0.0,100.0,100)
m1 = m.Param(value=1.0)
g = m.Param(value=9.81)
s = m.Param(value=1.0)
m.options.IMODE=4
m.options.NODES=3
#m.options.RTOL=1e-3
#Initial values t=0
x = m.Var(value=0.0)
y = m.Var(value=-s)
v = m.Var(value=1.0)
w = m.Var(value=0.0)
l = m.Var(value=(m1*(1.0+s*g)/2.0/s**2))
m.Equation(x.dt() == v)
m.Equation(y.dt() == w)
m.Equation(m1*v.dt() == -2*x*l)
m.Equation(m1*w.dt() == -m1*g - 2*y*l)
m.Equation(x*v == -y*w)
m.solve(disp=False)
plt.plot(m.time,x)---------------------------------------------------------------------------
Exception Traceback (most recent call last)
<ipython-input-7-a059f1ac5393> in <module>
23 m.Equation(x*v == -y*w)
24
---> 25 m.solve(disp=False)
26 plt.plot(m.time,x)
C:\WPy64-3771\python-3.7.7.amd64\lib\site-packages\gekko\gekko.py in solve(self, disp, debug, GUI, **kwargs)
2172 #print APM error message and die
2173 if (debug >= 1) and ('@error' in response):
-> 2174 raise Exception(response)
2175
2176 #load results
Exception: @error: Solution Not Found我只是尝试增加m.time中的点数和m.options.NODES=3中的节点数,更改m.options.RTOL也无济于事。
按照关于解决没有找到解决方案的问题的建议,我设法得到了一个解决方案。下面是代码。
m=GEKKO(remote=False)
m.time = np.linspace(0.0,100.0,500)
m1 = m.Param(value=1.0)
g = m.Param(value=9.81)
s = m.Param(value=1.0)
m.options.IMODE=4
m.options.NODES=7
#Initial values t=0
x = m.Var(value=0.0)
y = m.Var(value=-1.0)
v = m.Var(value=1.0)
w = m.Var(value=0.0)
l = m.Var(value=4.405)
m.Equation(x.dt() == v)
m.Equation(y.dt() == w)
m.Equation(m1*v.dt() == -2*x*l)
m.Equation(m1*w.dt() == -m1*g - 2*y*l)
m.Equation(x*v == -y*w)
# initialize to get a feasible solution
m.options.COLDSTART=2
m.solve(disp=False)
# optimize, preserving the initial conditions (TIME_SHIFT=0)
m.options.TIME_SHIFT=0
m.options.COLDSTART=0
m.solve(disp=False)
plt.plot(m.time,x)生成的图是

振荡行为将随着时间步长或计算时间行为的配置节点的增加而下降。另一方面,在Julia中,使用以下代码解决相同的问题
m1 = 1.0
g = 9.81
s =1.0
u₀ = [0.0, -s, 1.0, 0.0, m1*(1.0+s*g)/2.0/s^2]
du₀ = [1.0,0.0,0.0,0.0,-g + 2.0 *s*(m1*(1.0+s*g)/2.0/s^2) ]
tspan = (0.0,100.0)
function f(out,du,u,p,t)
x,y,v,w,l = u
out[1] = v - du[1]
out[2] = w - du[2]
out[3] = -2*x*l/m1 - du[3]
out[4] = -g - 2.0*y*l/m1 - du[4]
out[5] = x*v + y*w
end
#using DifferentialEquations
using Sundials
differential_vars = [true,true,true,true,false]
prob = DAEProblem(f,du₀,u₀,tspan,differential_vars=differential_vars)
sol = solve(prob,IDA())
n=5251
u1=zeros(n)
u2=zeros(n)
u3=zeros(n)
u4=zeros(n)
u5=zeros(n)
for i=1:n u1[i],u2[i],u3[i],u4[i],u5[i] = sol.u[i] end
plot(sol.t,u1)将在相当短的时间内给出以下图。另一方面,振荡行为几乎是无法识别的。在gekko中,我认为将需要相当多的时间步长和相当大的计算时间。我没有试过。

似乎在Gekko中没有解决这类问题的一般建议。我想要有人对此发表评论。
致以最好的问候,拉多万
发布于 2021-02-07 03:47:19
Gekko会报告您请求的时间步长,并且不会填写额外的点数。您将观察到与振荡系统的固有频率不同的模拟采样频率带来的锯齿。要解决此问题,可以增加采样频率或匹配自然频率,以便始终绘制最小值和最大值。这是一个包含5000个数据点的解决方案。有了IMODE=7,Gekko随着时间的增加而线性扩展。

from gekko import GEKKO
import numpy as np
import matplotlib.pyplot as plt
m=GEKKO(remote=False)
m.time = np.linspace(0.0,100.0,5000)
m1 = m.Param(value=1.0)
g = m.Param(value=9.81)
s = m.Param(value=1.0)
m.options.IMODE=7
m.options.NODES=3
#Initial values t=0
x = m.Var(value=0.0)
y = m.Var(value=-1.0)
v = m.Var(value=1.0)
w = m.Var(value=0.0)
l = m.Var(value=4.405)
m.Equation(x.dt() == v)
m.Equation(y.dt() == w)
m.Equation(m1*v.dt() == -2*x*l)
m.Equation(m1*w.dt() == -m1*g - 2*y*l)
# Index-3 DAE
#m.Equation(x**2+y**2==1)
# Index-2 DAE
m.Equation(x*v == -y*w)
m.solve(disp=False)
plt.plot(m.time,x)
plt.show()使用IMODE=7,您也不需要初始化步骤。如果你正在解决参数优化,那么你将从初始化步骤中受益。另一个建议是使用索引-3 DAE形式,而不是索引-2 DAE形式:
# Index-3 DAE
m.Equation(x**2+y**2==1)
# Index-2 DAE
# m.Equation(x*v == -y*w) 在文章Initialization strategies for optimization of dynamic systems中,有更多关于DAE索引的信息,以及使用索引更高的DAE求解器(如GEKKO与限于索引-1或索引-2的海森堡形式的DAE求解器)的优势。

对于这个案例研究没有区别,但是如果使用index-0 (ODE)形式,数值漂移可能是一个问题。

https://stackoverflow.com/questions/66059473
复制相似问题