We develop an explicit, second-order, variational time integrator for full body dynamics that preserves the momenta of the continuous dynamics, such as linear and angular momenta, and exhibits near-conservation of total energy over exponentially long times. In order to achieve these properties, we parametrize the space of rotations using exponential local coordinates represented by a rescaled form of the Rodrigues rotation vector and we systematically derive the time integrator from a discrete Lagrangian function that yields discrete Euler-Lagrange equations amenable to explicit, closed-form solutions. By restricting attention to spherical bodies and Lagrangian functions with a quadratic kinetic energy and potential energies that solely depend on positions and attitudes, we show that the discrete Lagrangian map exhibits the same mathematical structure, up to terms of second order, of explicit Newmark or velocity Verlet algorithms, both known to be variational time integrators. These preserving properties, together with linear convergence of trajectories and quadratic convergence of total energy, are born out by two examples, namely the dynamics on $\mathrm{SO}(3)$ of a three-dimensional pendulum, and the nonlinear dynamics on $\mathrm{SE}(3)^n$ that results from the impact of a particle-binder torus against a rigid wall.


翻译:为了实现这些属性,我们利用罗德里格斯旋转矢量的重新缩放形式代表的指数式本地坐标,对旋转空间进行平衡,并系统地从一个离散的拉格朗格函数中得出时间整合器,产生离散的欧格-拉格朗格方程式,以清晰、封闭的形式解决问题。通过限制对球体和拉格朗格函数的注意,使其具有完全取决于位置和态度的二次动能和潜在能量。为了实现这些特性,我们利用由罗德里格斯旋转矢量的重新缩放形式代表的指数式本地坐标,对旋转空间进行平衡,我们系统地从一个离散的拉格朗格函数中得出时间整合器,产生离散的欧格-拉格方方方方方方方方方方方方方方方程式。通过限制对球体和拉格朗格函数的注意,并限制对完全取决于位置和态度的二次动能和潜在能量的二次动能和拉格朗格功能的注意。我们显示,离散的拉格拉格地图展示了同一的数学结构结构结构结构结构结构,直到第二顺序,已知是变的调时间。这些特性,以及总能量的线的线和四面组合的线的线,由一个不动度结合结果来自一个硬体的三度结果,从一个不动度,从一个硬体的硬体的硬体上,从一个硬体上,从一个硬体上,从一个硬体上,从一个硬体,从一个硬体,从一个反向,从一个硬体,从一个硬值的,到一个不动度上,从一个硬值3,从一个硬值,从一个硬值,从一个硬值,从一个硬值,到三,从一个方向,从一个硬值,从一个硬值,从一个硬值,从一个反向,从一个反向,从一个方向,从一个反向,从一个,从一个,从一个,从一个,从一个,从一个方向,从一个方向,从一个方向,从一个方向,从一个方向,从一个,从一个,从一个,从一个,从一个,从一个,从一个,从一个,从一个方向,从一个方向,从一个方向,到一个,到一个方向,从一个方向,从一个,到一个,从一个,一个

0
下载
关闭预览

相关内容

再缩放是一个类别不平衡学习的一个基本策略。当训练集中正、反例数据不均等时,令m+表示正例数,m-表示反例数,并且需对预测值进行缩放调整。
专知会员服务
50+阅读 · 2020年12月14日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
109+阅读 · 2020年5月15日
已删除
将门创投
6+阅读 · 2019年9月3日
最佳实践:深度学习用于自然语言处理(三)
待字闺中
3+阅读 · 2017年8月20日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2022年2月10日
Arxiv
0+阅读 · 2022年2月10日
Arxiv
0+阅读 · 2022年2月9日
VIP会员
相关VIP内容
专知会员服务
50+阅读 · 2020年12月14日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
109+阅读 · 2020年5月15日
相关资讯
已删除
将门创投
6+阅读 · 2019年9月3日
最佳实践:深度学习用于自然语言处理(三)
待字闺中
3+阅读 · 2017年8月20日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员