Automatic differentiation in mechanical simulation using Matlab

• Autorzy: Opala M. , Żochowski A.

Warianty tytułu

PL

Automatyczne różniczkowanie w symulacji mechanicznej z wykorzystaniem Matlaba

• Języki publikacji: EN

Abstrakty

EN

The objective of this article is to present an application of automatic differentiation in modeling of dynamic systems in Matlab software environment. Beside the theoretical description there are also examples for two different systems. The first of the two is a physical triple pendulum in vertical pIane with supplied source code used for computation. The other one is a real world example comprising a model of a railway vehicle with 27 degrees of freedom.

PL

Artykuł prezentuje zastosowanie automatycznego różniczkowania w modelowaniu układów dynamicznych z wykorzystaniem pakietu Matlab. Przedstawiono przykłady wraz z kodem źródłowym, a także wyniki obliczeń dla modelu pojazdu szynowego o 27 stopniach swobody.

Słowa kluczowe

EN

dynamic system; mechanical simulation; MATLAB

PL

układ dynamiczny; różniczkowanie automatyczne; pojazd szynowy; symulacja komputerowa; MATLAB

• Wydawca: Warsaw University of Technology, Faculty of Transport
• Czasopismo: Archives of Transport
• Rocznik: 2007
• Tom: Vol. 19, iss. 1-2
• Strony: 147--156
• Opis fizyczny: Bibliogr. 13 poz., rys.

Twórcy

autor

Opala M.

autor

Żochowski A.

• Politechnika Warszawska, Wydział Transportu, 00-662 Warszawa, ul. Koszykowa 75

Bibliografia

• 1. Bischof C. H., Bücker H. M., Lang B., Rasch A., Slusanschi E.: Efficient and accurate derivatives for a software process chain in airfoil shape optimization. Future Generation Computer Systems, 21, 2005, p. 1333-1344.
• 2. Borggaard J., Verma A.: On efficient solutions to the continuous sensitivity equation using automatic differentiation. SIAM J. Sci. Comput., 22, No. 1, 2000, p. 39-62.
• 3. Bücker H. M., Lang B., Rasch A., Bischof C. H.: Computing sensitivities of the electrostatic potential by automatic differentiation. Computer Physics Communications, 147, 2002, p. 720-723.
• 4. Chudzikiewicz A., Kalker J. J.: Wheel-rail wear calculations with FASTSIM routine. Archives of Transport, l, 1990, p. 9-27.
• 5. Droździel J., Opala M., Sowiński B.: Symulacyjne badanie sił koło-szyna przy zwiększonych naciskach na oś w ruchu po torze nieregularnym. Międzynarodowa Konferencja Naukowa "Transport XXI Wieku", Politechnika Warszawska, Wydział Transportu, PAN - Komitet Transportu, Warszawa, 2004, p. 109-118.
• 6. Dürrbaum A., Klier W., Hahn H.: Comparison of Automatic and Symbolic Differentiation in Mathematical Modeling and Computer Simulation of Rigid-Body Systems. Multibody System Dynamics, 7, 2002, p. 331-355.
• 7. Griesse R., Walther A: Evaluating Gradients in Optimal Control: Continuous Adjoints versus Automatic Differentiation. J. of Optimization Theory and Appl., 122, No. 1, 2004, p. 63-86.
• 8. Heimbach P., Hill C., Giering R.: An efficient exact adjoint of the parallel MIT General Circulation Model, generated via automatic differentiation. Future Generation Computer Systems, 21, 2005, p. 1356-1371.
• 9. Nedialkov N. S., Pryce J. D.: Solving differential-algebraic equations by taylor series (ii): computing the system jacobian. BIT Numerical Mathematics, 47, 2007, p. 121-135.
• 10. Robenack K.: Automatic differentiation and nonlinear controller design by exact linearization. Future Generation Computer Systems, 21, 2005, p. 1372-1379.
• 11. Tijskens E., Roose D., Ramon H., De Baerdemaeker J.: Automatic differentiation for solving nonlinear partial differential equations: an efficient operator overloading approach. Numerical Algorithms, 30, 2002, p. 259-301.
• 12. Vehreschild A: ADiMAT. www.sc.rwth-aachen.delvehreschild/adimat
• 13. Walther A: Automatic differentiation of explicit Runge-Kutta methods for optimal control. Comput. Optim. Applic., 36, 2007, p. 8-108.