Sie sind auf Seite 1von 8

FC3 - Dung Oszillator

5. Januar 2009

Universitat Paderborn - Theoretische Physik

leer

Autor: Datum:

Stephan Blankenburg, Stefan Wippermann, Bjrn Lange o 5. Januar 2009

FC3 - Dung Oszillator

Theorie komplexer Systeme

Der Begri Theorie komplexer Systeme bezeichnet ein umfassendes Theoriegebude, in a der die Chaostheorie nur einen Teil reprsentiert. Ursprnglich ist der Begri in der statistia u schen Mechanik verortet, wie es schon im vorigen Versuch zu erkennen war. Diese behandelt Systeme mit einer groen Anzahl von Teilchen, die nicht mehr trivial bzw. linear untereinander wechselwirken. Hierbei treten unterschiedliche und zum Teil chaotische Eekte auf, unter anderem z. B. Selbstorganisationsprozesse, wie im Falle eines Wassertropfens. Auch im Beispiel der Planetenbewegungen kommt es zu nicht linearen Wechselwirkungen. Betrachtet man zwei Planeten, ist die Lsung der Dierentialgleichung noch trivial. Zieht o man beispielsweise die Sonne mit in Betracht, lsst sich das System nur noch mit Hilfe a von iterativen Gleichungen lsen. Da es in diesem Fall labile energetische Tiefpunkte gibt, o kann es zu chaotischem Verhalten kommen.

Fraktale - Das Sierpinski Dreieck

Der etymologische Ursprung des Wortes Fraktal liegt im lateinischen fractus, was soviel bedeutet wie gebrochen. Geprgt wurde der Begri durch Beno Mandelbrot und bea t zeichnet natrliche bzw. knstliche Gebilde, die einen hohen Grad von Selbsthnlichkeit u u a aufweisen. Beispielsweise bildet ein Blumenkohl ein Fraktal, da seine Rschen in der Form o dem des ganzen Kopfes hneln. Diese wiederum lassen sich auch wieder in kleine Rschen a o zerlegen, die ihrem Ursprung hneln. Das bedeutet, auch wenn man ein Fraktal sehr stark a vergrert, zeigt es gleiche Strukturen wie vor der Vergrerung. o o Ein bekanntes klassisches Fraktal bildet das nach dem polnischen Mathematiker Waclaw Sierpinski benannte Sierpinski-Dreieck. Dieses wird wie folgt konstruiert: Man beginnt mit einem Dreieck in der Ebene. Nun werden die Mittelpunkte der drei Seiten miteinander verbunden, so dass vier kongruente Dreiecke entstehen. Nun wird das dasselbe Schema auf die drei erhaltenen ueren Dreiecke angewandt. Man beginnt sich iterativ dem Sierpinskia Dreieck zu nhern. Neben dieser klassischen Methode zur Konstruktion, gibt es auch eine a andere Mglichkeit fr die Erstellung. Dazu deniert man drei Punkte pi im Raum, welche o u die Eckpunkte des zu erzeugenden Sierpinski-Dreiecks bilden. Nun startet man an einem beliebigen Punkt P pi und whlt zufllig einen der drei Punkte pi aus (im Folgenden P a a genannt). Auf der Hlfte der Strecke vom Punkt P zum ausgewhlten Punkt P wird ein a a schwarzer Punkt gezeichnet. Anschlieend wird dieser Prozess iterativ fortgefhrt, wobei u jeweils der gezeichnete Punkt als neuer Startpunkt P zu sehen ist. Da Fraktale unter anderem derart komplex sein knnen, dass die ublichen Messbegrie o ihren Sinn verlieren, gilt es nun eine neue Maeinheit zu denieren. Hierbei gibt es die Mglichkeit, den Grad der Komplexitt zu messen, unter Bercksichtigung der Lngen-, o a u a Oberchen- oder Volumennderung bei immer kleineren Mastben. Hierfr gibt es a a a u mehrere Dimensionsbegrie, wobei an dieser Stelle die Betrachtung auf den Begri der Selbsthnlichkeits-Dimension beschrnkt wird. Diese wird aus dem Verkleinerungsfaktor s a a

FC3 - Dung Oszillator

und der Anzahl der Teile a , in welche die Struktur zerlegt werden kann, bestimmt: a= Aufgaben zur Vorbereitung Machen Sie sich mit den Begriichkeiten aus dem Text vertraut. Schauen Sie sich in der Literatur die Kochsche Schneeocke genauer an. Aufgaben Programmieren Sie eine Darstellung des Sierpinski Dreiecks in C und stellen Sie diese anschlieend mit einem Grakprogramm dar. Berechnen Sie die Selbsthnlichkeits-Dimension des Dreiecks. a 1 sD D= ln a . ln s1 (1)

Bifurkationen - Populationsdynamik

Bifurkationen, bzw. Verzweigungen bezeichnen eine Zustandsnderung eines nichtlinearen a Systems unter Einuss eines denierten Parameters. Der Begri wurde ursprnglich von u Henri Poincar eingefhrt. Ein klassisches Beispiel stellt hier die Populationsdynamik dar. e u Dabei bercksichtigt das logistische Modell zwei Einsse: u u Durch Fortpanzung vermehrt sich die Population geometrisch, ist also nach einem Zeitschritt um einen Wachstumsfaktor qf grer als die aktuelle Population. o Durch Verhungern vermindert sich die Population proportional zur Dierenz zwischen ihrer aktuellen Gre Xn und einer theor. Maximalgre G, mit qh = a(G Xn ) o o Durch Multiplikation der aktuellen Population Xn mit den Fortpanzungs- und Hungerfaktoren erhlt man die sog. logistische Gleichung: a Xn+1 = qf aXn (G Xn ) (2)

Zur Vereinfachung wird meist die Populationsgre Xn als Bruchteil xn der Maximalgre o o G angegeben, mit Xn = Gxn . Somit ergibt sich:

xn+1 = bxn (1 xn ) b = Gqf a

(3) (4)

FC3 - Dung Oszillator

Der Parameter b gibt dabei die kombinierte Auswirkung von Vermehrung und Verhungern wieder. Variiert man nun den Parameter b, so beobachtet man verschiedene Verhaltensweisen fr ausreichend groe n, welche nicht vom Anfangswert x0 sondern ausschlielich u von b abhngen. Diese lassen sich in einem Bifurkations-Diagramm darstellen, wobei hier a die Abszisse den Parameter b und die Ordinate den Gleichgewichtszustand xn fr n u wiedergibt. Dabei kommt es bei dynamischen Systemen meist zu einer Periodenverdopplung, sobald ein kritischer Punkt uberschritten ist. Aufgaben zur Vorbereitung Machen Sie sich mit den Begriichkeiten aus dem Text vertraut. Schauen Sie sich in der Literatur den Begri des Attraktors an. Aufgaben Programmieren Sie die Populationsdynamik und visualisieren Sie anschlieend die erhaltenen Ergebnisse in einem Bifurkations-Diagramm (Startwert der Population x0 = 0.5).

Physikalische Systeme - Der Dung Oszillator

Im Folgenden soll nun ein physikalisches nichtlineares System betrachtet werden. Es handelt sich um den Dung-Oszillator (harmonischer Oszillator mit weicher Feder), der in der Realitt uber ein Fadenpendel und zwei Permanentmagneten realisiert werden kann. Die a zugehrige Dierentialgleichung lautet: o d2 x + 1 x + 2 x3 = 0, dt2 mit den Konstanten 1 und 2 . Die treibende Kraft des Oszillators ist folglich F (x) = 1 x 2 x3 , mit dem zugehrigen Potential o V (x) = 1 2 2 4 x + x. 2 4 (7) 1 ) fr u 2 (6) (5)

Fr den Fall 1 < 0 und 2 > 0 erhlt man drei Extrema (x = 0 und x = u a

das System. Wie in Abbildung 1 zu erkennen ist, existieren zwei Minima und ein labiler Punkt am Nullpunkt, es entsteht ein so genanntes Doppelmuldenpotential. Die Denition des allgemeinen Dung-Oszillators lautet nun wie folgt:
2 x + rx + 0 x + x3 = f cos(t),

(8)

FC3 - Dung Oszillator

0,6

0,4

0,2

-1,4

-1,2

-0,8

-0,6

-0,4

-0,2

0,2

0,4

0,6

0,8

1,2

Abbildung 1: Doppelmulden-Potential des reibungsfreien Dung-Oszillators. mit den Konstanten: r Reibungsparameter 0 Eigenfrequenz Strke der Nichtlinearitt a a f Strke der von aussen treibenden Kraft a Frequenz der von aussen treibenden Kraft Dynamische Systeme lassen sich an dieser Stelle mit dem sogenannten Poincar-Schnitt e nher untersuchen. Hierbei wird durch eine stroboskopische Aufnahme des Phasenraums a eine diskrete Anzahl von Punkten erstellt. Der Poincar-Schnitt hat den Vorteil, dass er e aufgrund der kleineren Datenmenge einfacher zu untersuchen ist. Abhngig von der Wahl der Parameter kann es durchaus auch zu einem chaotischen Vera halten des Oszillators kommen. Wie bereits erwhnt, lsst sich diesen Systemen eine fraka a tale Dimension zuordnen. Allerdings stellt sich hier die Anwendung der Selbsthnlichkeitsa Dimension als nicht durchfhrbar heraus. Daher benutzt man die so genannte Korrelationsu Dimension. Da der Attraktor durch die im Phasenraum dichtliegenden Punkte deniert ist, lsst sich eine Gre C(R) denieren als: a o
N

C(R) = lim

(R |xi xj |).
i,j

1,4

-1

(9)

Hierbei wird jeder Lngeneinheit R die Zahl von Punktepaaren zugeordnet deren Abstand a zueinander kleiner als R ist. Damit lsst sich die Dimension mit Hilfe des Potenz-Gesetzes a aus 1 bestimmen: D= ln C(R) . ln R (10)

Um nun die numerische Modellierung des Problems anzugehen, soll im Folgenden das

FC3 - Dung Oszillator

Runge-Kutta Verfahren 4. Ordnung verwendet werden: k1 = hf (tn , xn , vn ) l1 = hg(tn , xn , vn ) k1 l1 h k2 = hf (tn + , xn + , vn + ) 2 2 2 h k1 l1 l2 = hg(tn + , xn + , vn + ) 2 2 2 h k2 l2 k3 = hf (tn + , xn + , vn + ) 2 2 2 h k2 l2 l3 = hg(tn + , xn + , vn + ) 2 2 2 h k3 l3 k4 = hf (tn + , xn + , vn + ) 2 2 2 h k3 l3 l4 = hg(tn + , xn + , vn + ) 2 2 2 1 xn+1 = xn + (k1 + 2k2 + 2k3 + k4 ) + O(h5 ) 6 1 vn+1 = vn + (l1 + 2l2 + 2l3 + l4 ) + O(h5 ), 6 mit x = f (t, x, v) und v = g(t, x, v). Aufgaben Programmieren Sie die Simulation des Dung-Oszillators mit Hilfe des Runge-Kutta Verfahrens 4. Ordnung. Realisieren Sie den freien Dung Oszillator (f = 0.0) ohne treibende Kraft von aussen mit folgenden Parametern:
2 einfacher fokaler Grenzpunkt: 0 0, r > 0 2 (1) r=0.1, 0 ===1.0, f =0.0, x0 =1.5, v0 =0.0 2 zwei fokale Grenzpunkte (Doppelmulden-Potential): 0 0 2 (2) r=0.0, 0 ===1.0, f =0.0, x0 =1.0...1.5, v0 =0.0 2 (3) r=0.1, 0 ===1.0, f =0.0, x0 =1.5...1.6, v0 =0.0

(11)

Realisieren Sie den Ueda Oszillator als spezielle Form des Dung-Oszillators ( = 2 1.0, 0 = 0.0). Es wird sichtbar, dass fr diese Form es zu stabilen koexistierenden u Grenzzyklen und seltsamen Attraktoren in Abhngigkeit von den Parametern kommt. a Zeichnen Sie aus diesem Grund jeweils die Trajektorie und den zugehrigen Poincaro e Schnitt mit der Frequenz nach entsprechender Einschwingzeit. stabile koexistierende Grenzzyklen mit verschiedenen Perioden 2 (1) r=0.08, 0 =0.0, ==1.0, f =0.2, x0 =1.0, v0 =0.0: stabiler Einergrenzzyklus 2 (2) r=0.08, 0 =0.0, ==1.0, f =0.2, x0 =-0.7, v0 =0.0: stabiler Zweiergrenzzyklus 2 (3) r=0.08, 0 =0.0, ==1.0, f =0.2, x0 =-1.0, v0 =0.0: stabiler Dreiergrenzzyklus

FC3 - Dung Oszillator

seltsamer Attraktor 2 (4) r=0.05, 0 =0.0, ==1.0, f =7.5, x0 =1.5, v0 =0.0: seltsamer Attraktor Realisieren Sie den getriebenen Dung-Oszillator. Hierbei soll die Bifurkation bzw. Periodenverdopplung verdeutlicht werden (Variation des Paramters f ). Zeichen Sie auch hier die Trajektorie und den Poincar-Schnitt erst nach der Einschwingzeit. e 2 (1) r=0.25, 0 =-1.0, =1.0, f =0.34, =1.4, x0 =1.0, v0 =0.0: Einerperiode 2 (2) r=0.25, 0 =-1.0, =1.0, f =0.37, =1.4, x0 =1.0, v0 =0.0: Zweierperiode 2 (3) r=0.25, 0 =-1.0, =1.0, f =0.39, =1.4, x0 =1.0, v0 =0.0: Viererperiode 2 (4) r=0.25, 0 =-1.0, =1.0, f =0.40, =1.4, x0 =1.0, v0 =0.0: seltsamer Attraktor Berechnen Sie die Korrelationsdimension im Falle des seltsamen Attraktors am Beispiel 2 des Ueda-Oszillators (r=0.05, 0 =0.0, ==1.0, f =7.5, x0 =1.5, v0 =0.0). Zu diesem Zweck bestimmen Sie die Steigung der von ln C(R) uber ln(R) aufgetragenen Graden.