Podwójny Wahacz – Chaos i Wrażliwość na Stan Początkowy

Cztery liczby, jedna nieprzewidywalna krzywa

Poszczególny wahadło jest jednym z najbardziej przewidywalnych systemów w fizyce – regularnym, periodicznym i rozwiązywalnym ręcznie. Dołącz do pierwszego wahadła drugie wahadło na końcu, a system staje się jedną z najprostszych metod generowania prawdziwego chaosu. Dwa masywne liny o długościach l₁ i l₂ przenoszą kulki o masach m₁ i m₂; pierwszy łańcuch obrotowy opiera się w ustalonym punkcie, a drugi obrotowy opiera się na końcu pierwszego. Stan całego systemu w dowolnym momencie jest uchwycony zaledwie czterema liczbami – dwoma kątami względem pionu oraz ich dwoma prędkościami kątowymi, (θ₁, θ₂, ω₁, ω₂) – punkt poruszający się w czterowymiarowej przestrzeni faz. Żaden aspekt fizyki nie jest losowy. Mimo to, po około 20° początkowego wychylenia, żadna ilość mocy obliczeniowej nie pozwala przewidzieć, gdzie będzie wahadło za dziesięć sekund.

Obliczanie ruchu z wykorzystaniem Lagrange'a, a nie Newtona

Bezpośrednie zapisywanie drugiego prawa Newtona dla tego układu oznacza śledzenie napędu w obu wahaczach jako niewiadomych – możliwe do rozwiązania, ale żmudne. Podejście Lagranża eliminuje to całkowicie: należy wyrazić energię kinetyczną T i energię potencjalną U za pomocą uogólnionych współrzędnych θ₁ i θ₂, sformułować L = T − U, a napędy wahaczy automatycznie znikają, ponieważ nie wykonują one pracy wzdłuż wybranych współrzędnych.

Pozycje: x1 = l1 sinθ1 y1 = -l1 cosθ1 x2 = x1 + l2 sinθ2 y2 = y1 - l2 cosθ2 Lagranżian L = T - U: T = ½(m1+m2) l1² ω1² + ½ m2 l2² ω2² + m2 l1 l2 ω1 ω2 cos(θ1-θ2) U = -(m1+m2) g l1 cosθ1 - m2 g l2 cosθ2 Zastosuj równania Eulera-Lagrange’a: d/dt(∂L/∂ωi) - ∂L/∂θi = 0 → rozwiązujemy wynikowy układ 2x2 liniowy dla α1 = dω1/dt, α2 = dω2/dt Rozwiązując algebraicznie (przyjęcie Δθ = θ₁ − θ₂ w celu zwięzłości) otrzymujemy dwa sprzężone wyrażenia na przyspieszenia kątowe, które zależą zarówno od kątów, jak i od obydwu prędkości kątowych jednocześnie – nie da się rozwiązać α₁ bez znajomości ω₂, a odwrotnie. To współzależność jest podstawą wszystkiego, co następuje: oznacza to, że cztery zmienne stanu nie mogą być poruszane niezależnie i jest to dokładnie rodzaj nieliniowości, która sprawia, że ​​proste skróty numeryczne zawodzą.

Positions:
  x1 = l1 sinθ1                  y1 = -l1 cosθ1
  x2 = x1 + l2 sinθ2             y2 = y1 - l2 cosθ2

Lagrangian L = T - U:
  T = ½(m1+m2) l1² ω1² + ½ m2 l2² ω2² + m2 l1 l2 ω1 ω2 cos(θ1-θ2)
  U = -(m1+m2) g l1 cosθ1 - m2 g l2 cosθ2

Apply Euler-Lagrange: d/dt(∂L/∂ωi) - ∂L/∂θi = 0
  → solve the resulting 2x2 linear system for α1 = dω1/dt, α2 = dω2/dt

Dlaczego RK4 a nie Leapfrog

Integracja Leapfrog jest głównym narzędziem w przypadku sił grawitacyjnych i sprężyn, ponieważ pozwala ją łatwo podzielić na krok po położeniu i krok po prędkości, przy zachowaniu stabilności numerycznej dla bardzo dużych liczby kroków. Działa tak dobrze właśnie dlatego, że przyspieszenie tych systemów zwykle zależy tylko od położenia, a nie od prędkości. Przyspieszenie podwójnego wahacza jest funkcją nieliniową kąta i prędkości obrotowej jednocześnie, co zakłóca to czyste rozdzielenie. RK4 radzi sobie z tym, traktując cały wektor stanu składający się z czterech komponentów S = [θ₁, θ₂, ω₁, ω₂] jako całość i obliczając funkcję pochodnej cztery razy na krok – na początku, dwa razy w punkcie środkowym z próbnych aktualizacji i raz w prognozowanym punkcie końcowym — a następnie łącząc cztery szacunki w średnią ważoną, która jest dokładna do czwartego rzędu względem kroku czasowego.

function deriv([θ1, θ2, ω1, ω2]) {
  // ... compute α1, α2 from the Lagrangian equations above ...
  return [ω1, ω2, α1, α2];               // dS/dt as a 4-vector
}

function rk4Step(state, dt) {
  const k1 = deriv(state);
  const k2 = deriv(add(state, scale(k1, dt/2)));
  const k3 = deriv(add(state, scale(k2, dt/2)));
  const k4 = deriv(add(state, scale(k3, dt)));
  return add(state, scale(add(k1, add(scale(k2,2), add(scale(k3,2), k4))), dt/6));
}
// 4 substeps of dt/4 per animation frame gives 16 deriv() calls/frame —
// enough precision to trust the trajectory through the regular regime.

Pomiar chaos: wyznacznik Lyapunov

Chaos tu oznacza coś konkretnego: deterministyczna nieprzewidywalność, ilościowo określona przez wyznacznik Lyapunov λ. Weź dwa trajektorie rozpoczynające się w odległości δS(0) niemal zerowej w przestrzeni faz i śledź jak ta separacja δS(t) rośnie:

λ = lim(t→∞) (1/t) · ln( |δS(t)| / |δS(0)| ) λ > 0 → trajektorie rozbiegają się wykładniczo – chaotyczne λ ≈ 0 → trajektorie utrzymują blisko siebie – regularne / quasi-peryodyczne Przy dużych początkowych wychyleniach: λ ≈ 3-7 s⁻¹ Różnica w θ = 0,001° rośnie do całkowitego rozbieżnego stanu (~57°) w około ln(57,3/0,001) / λ ≈ 1-3 sekundy. To liczba daje trzy jakościowe stany, które faktycznie obserwuje się, gdy delikatnie poruszamy kątem początkowym. Poniżej około 15° oba wahadła zachowują się jak para słabo sprzężonych oscylatorów harmonicznych – quasi-peryodyczne, efektywnie λ ≈ 0. Między w przybliżeniu 15° a 60° ruch jest przejściowym chaosem, przechodzącym między okresami regularnie wyglądającego wahadlania i nagłymi wybuchami chaotycznego ruchu. Po przekroczeniu 60° układ jest całkowicie chaotyczny, a górne wahadlo rutynowo przewraca się wokół własnej osi obrotu – a gdy θ₂ przechodzi przez π (prosto w górę, niestabilny punkt równowagi), to jaki sposób spadnie następnym razem nie da się przewidzieć z dokładnością rzędu około jednego sekundy przy realistycznej precyzji pomiarowej.

λ = lim(t→∞) (1/t) · ln( |δS(t)| / |δS(0)| )

λ > 0  →  trajectories diverge exponentially — chaotic
λ ≈ 0  →  trajectories stay close — regular / quasi-periodic

For large initial deflections: λ ≈ 3-7 s⁻¹
A difference of θ = 0.001° grows to a total mismatch (~57°) in
roughly ln(57.3/0.001) / λ ≈ 1-3 seconds.

Obserwowanie czterech wymiarów: sekcje Poincaré'a

Nikt nie jest w stanie bezpośrednio wyobrazić sobie trajektorii cztero-wymiarowej, dlatego badacze chaosu wykorzystują sekcję Poincaré'a: tworzą się wtedy z niej zdjęcia (θ₁, ω₁) za każdym razem, gdy trajektoryą przechodzi przez stałe warunki – tutaj, za każdym razem, kiedy θ₂ przechodzi przez zero w górę. Narysuj tysiące takich zdjęć i struktura przestrzeni fazowej ujawnia się od razu. Regularne ruchy dają punkty, które opadają na zamkniętych krzywych, zwanych torami invariantnymi, ponieważ rzeczywisty ruch jest rzeczywiście ograniczony do powierzchni o niższej wymiarowości. Ruch chaotyczny zamiast tego rozrzuca punkty na rozproszym "morsie chaosu", czasami z małymi zamkniętymi wyspami regularnego ruchu wciąż zakorpowanymi w środku – to bezpośredni, wizualny znak przejścia od porządku do chaosu, którego nie dałoby się zauważyć jedynie na wykresie szeregu czasowego.

Frequently asked questions

Wypróbuj na żywo

Wszystko powyżej działa bezpośrednio w Twojej przeglądarce — otwórz the simulation i zmieniaj parametry podczas działania. Nic nie jest instalowane ani przesyłane na serwer, cały model działa w jednej karcie.