- •Моделирование физических процессов Учебное пособие
- •Содержание
- •3. 8. Математическая модель массообмена ……………………………. 54
- •5.1.1. Формулы конечного дифференцирования …………………… 74
- •5.6.2. Метод Ньютона ………………………………………………. 95
- •Введение
- •VII этап
- •2. Структурные математические модели
- •Основы структурного моделирования
- •2.2. Типовые элементы
- •2.2.1. Способы математического описания звеньев и систем.
- •2.2.2. Типовые динамические звенья.
- •2.3. Схемы соединения типовых элементов
- •2.4. Структурные модели теплообменного оборудования
- •2.4.1. Составление математических моделей тепловых объектов.
- •3. Физические математические модели
- •3.1 Использование математических моделей
- •Под углом 57 к горизонту со скоростью 20 м/с
- •Изменение температуры при остывании тела
- •3.2 Математическая модель теплопроводности
- •. Математическая модель гидродинамики
- •3.4 Математическая модель теплообменника
- •3.5 Математическая модель парогенератора
- •С естественной циркуляцией
- •Математическая модель горения
- •Математическая модель образования токсичных
- •3. 8. Математическая модель массообмена
- •Дифференциальные уравнения диффузионного пограничного слоя
- •Моделирование теплоотдачи диффузией.
- •3.9. Математическая модель парового котла
- •3.9.1. Математическая модель динамических процессов.
- •3.9.2. Регулирование давления пара и тепловой нагрузки
- •3.10. Пример построения математической модели объекта
- •4. Планирование эксперимента
- •Полный трехфакторный эксперимент
- •Численные методы
- •5.1. Интерполяция
- •5.1.1. Формулы конечного дифференцирования
- •5.1.2. Сплайны
- •Способы получения краевых условий:
- •5.2. Решение систем алгебраических линейных уравнений
- •Метод прогонки. Метод прогонки используется для решения систем специального вида
- •5.3. Решение систем алгебраических нелинейных уравнений
- •5.3.1. Метод итераций
- •5.3.2. Метод Ньютона
- •5.4. Решение дифференциальных уравнений
- •5.4.1. Постановка задачи. Разностные схемы.
- •5.4.2. Разностные схемы. Метод Рунге – Кутта.
- •Пример решения дифференциального уравнения методом Рунге-Кутта.
- •Результаты решения уравнения методом Рунге-Кутта
- •5.5. Решение краевых задач методом прогонки
- •5.5.2. Распространение тепла в пластине радиатора.
- •Сравнение метода прогонки с точным решением
- •5.6. Решение краевых задач методом пристрелки
- •5.6.1. Метод пристрелки.
- •5.6.2. Метод Ньютона. Рассмотрим граничную задачу, определяемую дифференциальным уравнением второго порядка
- •5.7. Решение краевых задач методом конечных разностей
- •5.7.1. Метод конечных разностей.
- •5.7.2. Линейные дифференциальные уравнения.
- •Моделирующие программы
- •Смеси газов в реакторе
- •Перемещение свободной поверхности жидкости
- •Скоростей течения испаряющегося метана
- •Рекомендованный библиографический список
- •Пасько Петр Иванович «моделирование физических процессов»
- •346360, Г. Волгодонск, ул. Ленина 73/94
Способы получения краевых условий:
-
Если известны значения производной в граничных точках f/(a) = f0/ и f/(b) = fN/ , то полагаем m0 = f0/ и mN = fN/.
-
В качестве значений m0 и m N можно выбрать аппроксимацию производной функции f формулами третьего порядка точности:
;
-
Если известны f //(a) = f0// и f//(b) = fN//, то можно приравнять вторые производные сплайна в граничных точках к заданным вторым производным. В результате получим
и .
Конечный вид сплайна зависит от выбранных краевых условий. При этом возможна любая комбинация краевых условий.
Преимущества аппроксимации сплайнами:
-
Если для аппроксимации функции используется интерполяционный многочлен, то для увеличения точности интерполяции надо уменьшить шаг, т.е. увеличить количество точек, но при этом увеличится степень многочлена, с которым уже труднее работать. Сплайн же позволяет, изменяя количество точек, оставлять степень многочлена постоянной.
-
При работе со сплайном можно гарантировать аппроксимацию не только самой функции, но и аппроксимацию производных.
Для любого отрезка [xi; xi+1] максимальное отклонение m производной функции от соответствующей производной сплайна имеет вид
,
где ; С – константа, зависящая от функции, но не зависящая от h.
5.2. Решение систем алгебраических линейных уравнений
Рассмотрим решение системы линейных алгебраических уравнений
или в матричной форме ,
где ; ; ; i, j = 0, 1,…, n.
Если определитель матрицы А отличен от нуля, , то система имеет единственное решение. Но вычисление решения системы, как с помощью обратной матрицы, так и способом Крамера нерационально из-за громадного числа операций.
Среди методов решений линейных систем можно выделить прямые и итерационные методы. Прямые методы позволяют найти решение за конечное число операций, а итерационные – в пределе s → ∞, где s – номер итерации. Прямые методы используют для решения сравнительно небольших линейных систем до порядка 103, итерационные – до порядка 106. Для решения линейных уравнений, как правило, применяют итерационные методы.
Метод Гаусса. Простейшим прямым методом является метод исключения Гаусса. Метод Гаусса основан на приведении матрицы А к треугольной, у которой все элементы, расположенные ниже главной диагонали, равны нулю. Предположим, что (в противном случае перенумеруем переменные). Разделив первое уравнение на а11, получим .
Домножая это уравнение последовательно на аi1 i = 2, …, n и вычитая из i-го уравнения, исключаем x1 из всех-уравнений, кроме первого. Далее аналогичную процедуру выполняют с полученной системой. В результате исключения неизвестных приходим к системе с треугольной матрицей
.
На этом заканчивается прямой ход исключения. Теперь последовательно вычисляем неизвестные начиная с последней строки матрицы.
Метод Гаусса широко используют в случае матрицы А общего вида. Для уравнений со специальными матрицами существуют более экономичные методы.
Итерационные методы. Для решение системы линейных алгебраических уравнений из итерационных методов наиболее часто используются метод простой итерации и метод Зейделя. Метод Зейделя более распространен, т.к. его скорость сходимости выше.
Метод Зейделя. Пусть дана система уравнений .
Предположим, что все диагональные элементы матрицы А отличны от нуля: (, ).
Поделим каждое i уравнение на aii :
В правой части каждого из уравнений оставим только i–е неизвестные :
,
тогда система запишется в виде
x = Cx + d ,
где , .
Выберем начальное приближение . Каждое следующее приближение вычисляется по следующим формулам :
,
где - i-я компонента k-го приближения.
Данный метод похож на метод простых итераций (), однако скорость сходимости метода Зейделя выше, поскольку в процессе вычислений используются уже найденные компоненты более точного решения.
Для сходимости метода Зейделя достаточно выполнение одного из двух условий :
а) ;
б) матрица А является положительно определенной, т.е. все ее собственные значения больше нуля.