Spotlight #58 – Rozbieżność chaosu, reologia i analiza sygnałów

I. Pomiar chaosu: wykładnik Lapunowa

Co dokładnie się rozbiega?

Układ deterministyczny ewoluuje z jednego stanu do następnego według ustalonych reguł, więc dwie trajektorie rozpoczynające się w tym samym punkcie pozostają identyczne na zawsze. Pytanie brzmi: jak szybko rozbiegają się trajektorie, które zaczynają się blisko siebie? Dla podwójnego wahadła, rozpoczęcie w (θ₁, θ₂) = (2,0, 1,0) oraz w (2,0 + 10⁻⁶, 1,0) — różnicy mniejszej niż milionowa część radiana — daje zupełnie różne ruchy w ciągu kilkudziesięciu sekund.

Wykładnik Lapunowa λ kwantyfikuje to zjawisko: średnio separacja δ(t) ≈ δ(0)·e^λt. Jeśli λ > 0, układ jest chaotyczny. Im większe λ, tym szybciej dwa początkowo bliskie stany się rozbiegają i tym krótszy horyzont, w którym predykcja ma sens. Błąd predykcji podwaja się co t_½ = ln 2 / λ sekund.

Podejście zespołowe i regresja

Zamiast renormalizować pojedyncze zaburzenie (standardowy algorytm Benettina), symulacja stosuje prostsze podejście: uruchamia N = 30 członków jednocześnie, każdy przesunięty o Δθ₁(k) = k · Δθ, i śledzi max|θ₁(k,t) − θ₁(0,t)| w czasie. Ponieważ maksymalna separacja rośnie wykładniczo (aż do nasycenia), log₁₀(separacja) rośnie liniowo. Regresja liniowa przez środkowe 75% historii log-separacji daje nachylenie, które po konwersji szacuje λ w bitach na sekundę.

Regularne a chaotyczne warunki początkowe

Nie wszystkie warunki początkowe podwójnego wahadła są chaotyczne. Przy małych kątach (powiedzmy oba < 20°) układ zachowuje się niemal jak dwa sprzężone wahadła liniowe — wachlarz zespołu pozostaje wąski przez minuty, a wykres log-separacji jest niemal płaski (λ ≈ 0). Zwiększanie kąta początkowego przesuwa układ przez niewidoczną granicę w przestrzeni fazowej między torusami Kołmogorowa-Arnolda-Mosera (KAM) (zachowanie regularne) a morzem chaosu. Preset „Kąty krytyczne" (θ₁ = 2,5, θ₂ = 2,5 rad) niezawodnie wytwarza chaos w ciągu kilku kroków całkowania.

II. Materiały lepkosprężyste: między sprężystością a lepkością

Dlaczego polimery odbijają się i płyną?

Ciastolina odbija się od podłogi (sprężyście), ale powoli obwisa pod własnym ciężarem (lepko). To nie jest wada materiału — to dokładnie to, co przewiduje lepkosprężystość. Kluczowy jest stosunek skali czasu obserwacji t_obs do czasu relaksacji materiału τ_R. Liczba Deborah De = τ_R / t_obs:

• De ≫ 1 (szybkie odkształcenie, powolny materiał): zachowanie zdominowane przez sprężystość = odbijanie się.
• De ≪ 1 (powolne odkształcenie, długi czas): zachowanie zdominowane przez lepkość = obwisanie.
• De ≈ 1: odpowiedź mieszana, w której zarówno magazynowanie, jak i rozpraszanie energii są istotne.

Nazwa upamiętnia biblijną prorokinię Deborę, która powiedziała „góry płynęły przed obliczem Pana" (Sędziów 5:5) — retorycznie, cała materia płynie na wystarczająco długiej skali czasowej.

Trzy geometrie modelowe i ich sygnatury

Każdy model to obwód sprężyn (elementów sprężystych, modułu G₀) i tłumików (elementów lepkich, lepkości η):

• Maxwell — szeregowo. Pod stałym naprężeniem odkształcenie rośnie bez ograniczeń (płynie). Pod stałym odkształceniem naprężenie relaksuje całkowicie do zera. Dobry dla cieczy: wód kolońskich, roztworów polimerów. G→0 przy niskiej częstotliwości.
• Kelvin-Voigt — równolegle. Pod stałym naprężeniem odkształcenie rośnie asymptotycznie do σ/G₀ (ograniczone pełzanie). Naprężenie nie relaksuje do zera. Dobry dla żeli, gumy, tkanek biologicznych. G′ = stałe przy wszystkich częstotliwościach.
• Standard Linear Solid (SLS) — ramię Maxwella równolegle do sprężyny. Zarówno ograniczone pełzanie, jak i prawdziwa relaksacja naprężeń. G przy długich czasach = αG₀, gdzie α ∈ (0,1). Najlepsze dopasowanie dla większości rzeczywistych polimerów, chrząstki, mięśni.

Odczytywanie widma dynamicznego G′(ω) i G″(ω)

W eksperymencie oscylacyjnego ścinania z odkształceniem ε = ε₀ sin(ωt) składowa naprężenia w fazie to G′ (moduł zachowawczy, energia magazynowana sprężyście na cykl), a poza fazą to G″ (moduł stratności, energia rozpraszana). Częstotliwość przecięcia ω_c = 1/τ_R to punkt, w którym G′ = G″; poniżej niej dominuje lepkość, powyżej — sprężystość.

Dla modelu Maxwella to przecięcie jest idealnym skrzyżowaniem dwóch prostych krzywych. Spójrz na zakładkę przemiatania częstotliwości w symulacji: przeciągnij G₀ lub η i obserwuj, jak ω_c przesuwa się w lewo i w prawo. Ponieważ τ_R = η/G₀, podwojenie lepkości przy stałej sprężystości przesuwa przecięcie w stronę niższej częstotliwości — materiał ma dłuższą pamięć.

III. Obserwowanie sygnałów w przestrzeni czas-częstotliwość

Od „które częstotliwości" do „które częstotliwości w którym czasie"

Dyskretna transformata Fouriera odpowiada na pytanie globalne: jakie częstotliwości są obecne w całym sygnale? Dla stacjonarnej fali sinusoidalnej to dokładnie to, czego potrzebujesz. Ale dla ćwierku (częstotliwości zmieniającej się w czasie), nuty muzycznej, która zanika, czy uderzenia w bęben z ostrym transjentem, po którym następuje pogłos pomieszczenia, DFT daje rozmazaną średnią, która gubi strukturę czasową.

Krótkoczasowa transformata Fouriera odpowiada na pytanie lokalne: jakie częstotliwości są obecne w każdym krótkim oknie czasu? Przesuwając okno N próbek wzdłuż sygnału, obliczając DFT w każdej pozycji i układając wyniki w stos, otrzymujemy spektrogram: dwuwymiarowy obraz z czasem na osi poziomej, częstotliwością na osi pionowej i kolorem kodującym log-amplitudę. Ćwierk pojawia się jako ukośna smuga; czysty ton jako pozioma linia; uderzenie w bęben jako pionowy wybuch, który szybko zanika.

Zasada nieoznaczoności w przetwarzaniu sygnałów

Istnieje fundamentalny kompromis — matematycznie równoważny zasadzie nieoznaczoności Heisenberga — między rozdzielczością czasową a częstotliwościową w STFT:

Δt · Δf ≥ 1 / (4π)    (granica Gabora)

Krótkie okno daje dobrą rozdzielczość czasową (widać dokładnie, kiedy występuje impuls), ale słabą rozdzielczość częstotliwościową (widmo krótkiego ćwierku jest rozmyte). Długie okno daje ostrą rozdzielczość częstotliwościową, ale rozmywa czas. Symulacja pozwala zmieniać długość okna N: wypróbuj N = 128 kontra N = 1024 na sygnale ćwierku i zaobserwuj ten kompromis bezpośrednio w spektrogramie.

Funkcje okienkowe i przeciek widmowy

Jeśli sinusoida nie kończy dokładnej całkowitej liczby cykli w obrębie okna DFT, gwałtowne obcięcie na krawędziach okna tworzy nieciągłość, która rozmazuje energię po wszystkich koszykach częstotliwości — to przeciek widmowy. Funkcje okienkowe płynnie zwężają sygnał do zera na krawędziach, redukując przeciek kosztem szerszego głównego listka.

Aby zobaczyć przeciek na żywo: wybierz czysty sygnał sinusoidalny i przybliż panel widma DFT. Przy oknie prostokątnym zobaczysz wielokrotne piki wtórne sąsiadujące z głównym pikiem. Przełącz na Blackman: piki wtórne dramatycznie zapadają się, pozostawiając tylko główny pik i jego bezpośrednich sąsiadów. Przełącz z powrotem na prostokątne: przeciek powraca. To najbardziej bezpośrednia demonstracja tego, dlaczego inżynierowie dźwięku domyślnie stosują okienkowanie Hanninga lub Hamminga.

Sygnał AM rozłożony na czynniki

Modulacja amplitudy (radio AM) mnoży falę nośną cos(2πf_ct) przez wolno zmieniający się sygnał wiadomości 1 + m·cos(2πf_mt). Rozwijając:

x(t) = cos(2πfct) + (m/2)cos(2π(fc+fm)t) + (m/2)cos(2π(fc-fm)t)

DFT powinno zatem pokazać trzy piki: nośną przy f_c i dwie wstęgi boczne przy f_c ± f_m. Wypróbuj preset AM w symulacji: ustaw f₀ = 400 Hz (częstotliwość nośnej), a zobaczysz pik nośnej otoczony dwiema mniejszymi wstęgami bocznymi, z odstępem proporcjonalnym do f_m = f₀/10 = 40 Hz.

Powiązania między trzema motywami

Wszystkie trzy symulacje z Fali 61 dotyczą pomiaru ukrytej struktury w układach dynamicznych. Wykładnik Lapunowa mierzy, jak szybko zanika informacja o warunkach początkowych w układzie chaotycznym. Moduł zespolony mierzy, jak energia jest rozdzielana między magazynowanie a stratność w materiale lepkosprężystym. Transformata Fouriera mierzy rozkład energii między częstotliwościami w sygnale.

Istnieje nawet bezpośredni związek matematyczny: moduł zespolony G*(ω) = G′(ω) + iG″(ω), który obliczasz w symulacji lepkosprężystej, jest powiązany z transformatą Fouriera modułu relaksacji naprężeń G(t): G*(ω) = iω∫₀^∞ G(t) e^−iωt dt. Reologia i przetwarzanie sygnałów to, na pewnym poziomie, ta sama matematyka.