Facile sur Mac! Tracé de la réponse d'étape unitaire à l'aide de Python
Si vous avez étudié le contrôle, je voudrais laisser le programme calculer réellement la ** réponse de pas unitaire ** familière et la générer dans le graphique.
** Sous réserve de cet article **
- Ceux qui étudient le champ de contrôle
- Ceux qui sont intéressés par la simulation utilisant Python --Python débutants
\frac{d^{2}x(t)}{dt^{2}} + \alpha \frac{dx(t)}{dt} + \beta x(t) = u(t)
Cette fois, je voudrais créer un programme pour le système illustré par l'équation différentielle ci-dessus. Etant donné que le calcul est compliqué et gênant dans un tel modèle mathématique, dans le champ de commande, la conversion de Laplace est utilisée pour convertir la région temporelle en région fréquentielle avant d'effectuer le calcul. Cependant, si vous laissez l'ordinateur le calculer, il sera dérivé en un instant.
1. Si vous avez choisi Mac, vous avez raison!
Python est installé par défaut sur Mac (OS X / macOS). S'il est trop ancien, il faudra peut-être le mettre à jour, mais nous l'omettons ici.
2. Installez les packages requis
Python utilise un système de gestion de paquets appelé «pip». Le paquet installé ici peut être lu et utilisé du côté programme comme ʻimport. Si vous êtes invité à mettre à jour, exécutez pip install --upgrade pip`.
$ pip install numpy
Requirement already satisfied: numpy in /usr/local/lib/python2.7/site-packages
$ pip install scipy
Collecting scipy
Downloading ..... (21.8MB)
.....
Installing collected packages: scipy
Successfully installed scipy-0.18.1
$ pip install matplotlib
Collecting matplotlib
Downloading ..... (11.2MB)
.....
Installing collected packages: ..... pytz, pyparsing, matplotlib
Successfully installed ..... pytz-2016.7 six-1.10.0
3. Programmation
Écrivez le programme suivant dans votre éditeur préféré et enregistrez-le avec l'extension py.
sample.py
from scipy.integrate import odeint
from math import *
import numpy
import matplotlib.pyplot as plot
#Changeons
alpha = 17
beta = 777
def derivative(x, t):
dx = [ x[1], - beta * x[0] - alpha * x[1] + 1.0 ]
return dx
x_init = [0.0, 0.0]
time = numpy.linspace(0.0, 5.0, 10000)
x = odeint(derivative, x_init, time)
#Partie de sortie
plot.figure()
plot.plot(time, x[:, 0])
plot.show()
4. Exécuter
Si vous passez le nom du fichier programme comme argument à python, il sera exécuté.
$ ls
sample.py
$ python sample.py
Recommended Posts