Dynamic systems characterized by second-order nonlinear ordinary differential equations appear in many fields of physics and engineering. To solve these kinds of problems, time-consuming step-by-step numerical integration methods and convolution methods based on Volterra series in the time domain have been widely used. In contrast, this work develops an efficient generalized pole-residue method based on the Volterra series performed in the Laplace domain. The proposed method involves two steps: (1) the Volterra kernels are decoupled in terms of Laguerre polynomials, and (2) the partial response related to a single Laguerre polynomial is obtained analytically in terms of the pole-residue method. Compared to the traditional pole-residue method for a linear system, one of the novelties of the pole-residue method in this paper is how to deal with the higher-order poles and their corresponding coefficients. Because the proposed method derives an explicit, continuous response function of time, it is much more efficient than traditional numerical methods. Unlike the traditional Laplace domain method, the proposed method is applicable to arbitrary irregular excitations. Because the natural response, forced response and cross response are naturally obtained in the solution procedure, meaningful mathematical and physical insights are gained. In numerical studies, systems with a known equation of motion and an unknown equation of motion are investigated. For each system, regular excitations and complex irregular excitations with different parameters are studied. Numerical studies validate the good accuracy and high efficiency of the proposed method by comparing it with the fourth-order Runge--Kutta method.


翻译:在许多物理和工程领域,出现了以二阶非线性普通差异方程式为特征的动态系统。为了解决这类问题,广泛使用了时间上耗时的逐步数字整合方法和基于时间域Volterra系列的演进方法。相比之下,这项工作根据在Laplace域执行的Volterra系列开发了一种高效的通用极反射法。拟议方法涉及两个步骤:(1) 伏尔捷拉内核内核在Laguerre 多元度参数上脱钩,和(2) 与单一Laguerre 多元度参数相关的部分反应是用极反射法分析获得的。与传统极反射法法法相比,本文的极反射法方法之一就是用在Laguerre 多元度上演算法,而拟议的方法则是用不规则的快速反射法,而数学的反射法则是用不定期反射法,而数学的反射法则是用不规则的反射法。</s>

0
下载
关闭预览

相关内容

机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员