Kacper's Wiki

double_pendulum.py

To nie jest zwykłe wahadło — to wahadło podwójne (ang. _double pendulum_), jeden z najprostszych układów fizycznych pokazujących zjawisko deterministycznego chaosu. Dwa ramiona, dwie masy, grawitacja — a efekt to piękny, nieprzewidywalny taniec, w którym drobna zmiana kąta startowego potrafi całkowicie zmienić przyszły ruch.

Zobacz więcej:

[https://pl.wikipedia.org/wiki/Chaos_deterministyczny Chaos deterministyczny]

[https://en.wikipedia.org/wiki/Double_pendulum Double Pendulum (Wikipedia)]

Układ składa się z dwóch punktowych mas zawieszonych na nierozciągliwych prętach. Ruch opisuje się czterema zmiennymi:

• \( \theta_1 \) – kąt pierwszego ramienia względem pionu,
• \( \theta_2 \) – kąt drugiego ramienia względem pionu,
• \( \omega_1 = \dot{\theta}_1 \) – prędkość kątowa pierwszego wahadła,
• \( \omega_2 = \dot{\theta}_2 \) – prędkość kątowa drugiego wahadła.

Równania ruchu pochodzą z zasad dynamiki Newtona albo bezpośrednio z mechaniki Lagrange’a:

$$ \begin{align*} \delta &= \theta_2 - \theta_1 \\ \ddot{\theta}_1 &= \frac{m_2 l_1 \omega_1^2 \sin\delta \cos\delta + m_2 g \sin\theta_2 \cos\delta + m_2 l_2 \omega_2^2 \sin\delta - (m_1 + m_2) g \sin\theta_1}{(m_1 + m_2) l_1 - m_2 l_1 \cos^2\delta} \\ \ddot{\theta}_2 &= \frac{-(m_1 + m_2) l_1 \omega_1^2 \sin\delta + (m_1 + m_2) g \sin\theta_1 \cos\delta - m_2 l_2 \omega_2^2 \sin\delta \cos\delta - (m_1 + m_2) g \sin\theta_2}{\left( \frac{l_2}{l_1} \right)((m_1 + m_2) l_1 - m_2 l_1 \cos^2\delta)} \end{align*} $$ Wygląda dziko? Tak właśnie wygląda fizyka nieliniowa :) Ruch symulowany jest numerycznie (metodą Rungego-Kutty) i animowany z pomocą biblioteki **matplotlib** w Pythonie. Kod pozwala interaktywnie zmieniać: - masy obu odważników, - długości ramion, - kąty początkowe. Każde kliknięcie to nowy dziwny świat trajektorii. ===== Matematyczne zaplecze: Runge-Kutta i mechanika Lagrange’a ===== Zanim komputer może cokolwiek zasymulować, potrzebujemy dwóch rzeczy: **modelu fizycznego** (czyli równań) i **metody ich rozwiązania** (bo ręcznie nikt nie będzie liczył setek tysięcy kroków). Dla naszego podwójnego wahadła: - model daje nam **mechanika Lagrange’a**, - rozwiązanie zapewnia **metoda Rungego-Kutty 4. rzędu** (RK4). --- === Mechanika Lagrange’a === Zamiast klasycznych sił z II zasady Newtona, Lagrange korzysta z zasad energii. Definiujemy tzw. **Lagrangian**: $$ L = T - V $$ Gdzie: - \( T \) – energia kinetyczna układu, - \( V \) – energia potencjalna.

Dla układu o współrzędnych uogólnionych \( q_i \), równania ruchu wyprowadza się z tzw. równań Lagrange’a:

$$ \frac{d}{dt} \left( \frac{\partial L}{\partial \dot{q}_i} \right) - \frac{\partial L}{\partial q_i} = 0 $$

W naszym przypadku współrzędnymi uogólnionymi są kąty: \( q_1 = \theta_1 \), \( q_2 = \theta_2 \). Energię całego układu da się zapisać jako:

- Energia kinetyczna (oba ramiona, uwzględniając ruch względny): $$ T = \frac{1}{2} m_1 l_1^2 \dot{\theta}_1^2 + \frac{1}{2} m_2 \left[ l_1^2 \dot{\theta}_1^2 + l_2^2 \dot{\theta}_2^2 + 2 l_1 l_2 \dot{\theta}_1 \dot{\theta}_2 \cos(\theta_1 - \theta_2) \right] $$

- Energia potencjalna (grawitacja działa w dół): $$ V = - (m_1 + m_2) g l_1 \cos\theta_1 - m_2 g l_2 \cos\theta_2 $$

Wstawiając \( L = T - V \) do równań Lagrange’a, otrzymujemy dwie nieliniowe równania różniczkowe drugiego rzędu, które później przekształcamy do układu czterech równań pierwszego rzędu (bo tak działa solver numeryczny).

—

RK4 to klasyczna metoda numeryczna do rozwiązywania układów równań różniczkowych pierwszego rzędu postaci:

$$ \dot{y} = f(t, y), \quad y(t_0) = y_0 $$

Jeśli chcemy znaleźć wartość \( y_{n+1} \) w punkcie \( t_{n+1} = t_n + h \), to robimy cztery obliczenia pośrednie:

$$ \begin{align*} k_1 &= f(t_n, y_n) \\ k_2 &= f\left(t_n + \frac{h}{2}, y_n + \frac{h}{2}k_1\right) \\ k_3 &= f\left(t_n + \frac{h}{2}, y_n + \frac{h}{2}k_2\right) \\ k_4 &= f(t_n + h, y_n + h k_3) \\ y_{n+1} &= y_n + \frac{h}{6}(k_1 + 2k_2 + 2k_3 + k_4) \end{align*} $$

To coś jak „inteligentne uśrednienie” kilku przybliżeń kierunku w którym idziemy. RK4 jest kompromisem między dokładnością a szybkością — błąd lokalny to \( \mathcal{O}(h^5) \), a globalny \( \mathcal{O}(h^4) \).

W naszym kodzie zastosowaliśmy bibliotekę `solve_ivp()` z `scipy`, która pod spodem domyślnie używa RK45 — adaptacyjną wersję RK4 z kontrolą błędu i automatycznym dobieraniem kroku.

—

Pod spodem mamy: - nieliniowy układ dynamiczny (współrzędne pojawiają się wewnątrz trygonometrii), - chaotyczne zachowanie, czyli ogromną wrażliwość na warunki początkowe, - brak zamkniętego rozwiązania analitycznego — potrzebna jest symulacja numeryczna.

Dzięki mechanice Lagrange’a możemy spisać równania tak, by szanowały zasady zachowania energii i symetrii, a Runge-Kutta pozwala je dokładnie i stabilnie rozwiązać.

—

• [https://en.wikipedia.org/wiki/Lagrangian_mechanics Mechanika Lagrange’a (EN)]
• [https://en.wikipedia.org/wiki/Double_pendulum#Equations_of_motion Równania ruchu dla podwójnego wahadła (EN)]
• [https://pl.wikipedia.org/wiki/Wahad%C5%82o_dwuprzegubowe Wahadło dwuprzegubowe (PL)]
• [https://myphysicslab.com/pendulum/double-pendulum-en.html Interaktywny model online (MyPhysicsLab)]
• * [https://www.myphysicslab.com/ MyPhysicsLab — symulacje fizyczne online]
• [https://demonstrations.wolfram.com/topic.html?topic=Classical+Mechanics Wolfram Demonstrations: Classical Mechanics]
• [https://people.maths.ox.ac.uk/suli/numerical_analysis/ Lecture notes: Numerical Analysis, Oxford]

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation
from matplotlib.widgets import Slider, Button
from scipy.integrate import solve_ivp
 
# Constants and default parameters
g = 9.81
 
# Default parameters for masses, lengths and initial angles (in radians)
default_params = {
    'm1': 1.0,
    'm2': 1.0,
    'l1': 1.0,
    'l2': 1.0,
    'theta1': np.pi / 2,
    'theta2': np.pi / 2,
    'omega1': 0.0,
    'omega2': 0.0,
}
 
def double_pendulum_derivs(t, y, m1, m2, l1, l2):
    """Returns the derivatives for the double pendulum system.
 
    y = [theta1, theta2, omega1, omega2]
    """
    theta1, theta2, omega1, omega2 = y
 
    delta = theta2 - theta1
 
    denom1 = (m1 + m2) * l1 - m2 * l1 * np.cos(delta)**2
    domega1_dt = (m2 * l1 * omega1**2 * np.sin(delta) * np.cos(delta) +
                  m2 * g * np.sin(theta2) * np.cos(delta) +
                  m2 * l2 * omega2**2 * np.sin(delta) -
                  (m1 + m2) * g * np.sin(theta1)) / denom1
 
    denom2 = (l2 / l1) * denom1
    domega2_dt = (- m2 * l2 * omega2**2 * np.sin(delta) * np.cos(delta) +
                  (m1 + m2) * g * np.sin(theta1) * np.cos(delta) -
                  (m1 + m2) * l1 * omega1**2 * np.sin(delta) -
                  (m1 + m2) * g * np.sin(theta2)) / denom2
 
    return [omega1, omega2, domega1_dt, domega2_dt]
 
def simulate(params, t_max=20, dt=0.02):
    """Simulate the double pendulum motion with given parameters."""
    t_span = (0, t_max)
    t_eval = np.arange(0, t_max, dt)
    y0 = [params['theta1'], params['theta2'], params['omega1'], params['omega2']]
    sol = solve_ivp(double_pendulum_derivs, t_span, y0, args=(params['m1'], params['m2'], params['l1'], params['l2']),
                    t_eval=t_eval, method='RK45')
    return sol.t, sol.y
 
# Initial simulation data
t, y = simulate(default_params)
theta1_vals = y[0]
theta2_vals = y[1]
 
def get_positions(theta1, theta2, l1, l2):
    """Calculate positions of pendulum bobs."""
    x1 = l1 * np.sin(theta1)
    y1 = -l1 * np.cos(theta1)
    x2 = x1 + l2 * np.sin(theta2)
    y2 = y1 - l2 * np.cos(theta2)
    return x1, y1, x2, y2
 
# Create the figure and the animation axes
fig, ax = plt.subplots(figsize=(8, 8))
plt.subplots_adjust(left=0.1, bottom=0.35)
ax.set_xlim(-3, 3)
ax.set_ylim(-3, 3)
ax.set_aspect('equal')
ax.set_title('Double Pendulum Simulation')
 
# Initialize line and bob markers
line, = ax.plot([], [], 'o-', lw=2)
trace, = ax.plot([], [], '-', lw=1, color='gray')  # Optional trace of second bob
trace_x, trace_y = [], []
 
def init():
    line.set_data([], [])
    trace.set_data([], [])
    return line, trace
 
# Animation update function
def update(frame):
    theta1 = theta1_vals[frame]
    theta2 = theta2_vals[frame]
    x1, y1, x2, y2 = get_positions(theta1, theta2, current_params['l1'], current_params['l2'])
    line.set_data([0, x1, x2], [0, y1, y2])
    trace_x.append(x2)
    trace_y.append(y2)
    trace.set_data(trace_x, trace_y)
    return line, trace
 
# Create sliders for initial parameters
axcolor = 'lightgoldenrodyellow'
ax_m1 = plt.axes([0.1, 0.25, 0.3, 0.03], facecolor=axcolor)
ax_m2 = plt.axes([0.1, 0.20, 0.3, 0.03], facecolor=axcolor)
ax_l1 = plt.axes([0.1, 0.15, 0.3, 0.03], facecolor=axcolor)
ax_l2 = plt.axes([0.1, 0.10, 0.3, 0.03], facecolor=axcolor)
ax_theta1 = plt.axes([0.6, 0.25, 0.3, 0.03], facecolor=axcolor)
ax_theta2 = plt.axes([0.6, 0.20, 0.3, 0.03], facecolor=axcolor)
 
slider_m1 = Slider(ax_m1, 'Mass 1', 0.1, 5.0, valinit=default_params['m1'])
slider_m2 = Slider(ax_m2, 'Mass 2', 0.1, 5.0, valinit=default_params['m2'])
slider_l1 = Slider(ax_l1, 'Length 1', 0.5, 3.0, valinit=default_params['l1'])
slider_l2 = Slider(ax_l2, 'Length 2', 0.5, 3.0, valinit=default_params['l2'])
slider_theta1 = Slider(ax_theta1, 'Theta 1', 0, 2*np.pi, valinit=default_params['theta1'])
slider_theta2 = Slider(ax_theta2, 'Theta 2', 0, 2*np.pi, valinit=default_params['theta2'])
 
# Dictionary to hold current simulation parameters
current_params = default_params.copy()
 
def update_simulation(val):
    """Update simulation based on slider values."""
    global t, y, theta1_vals, theta2_vals, trace_x, trace_y, current_params
 
    # Update current parameters from sliders
    current_params['m1'] = slider_m1.val
    current_params['m2'] = slider_m2.val
    current_params['l1'] = slider_l1.val
    current_params['l2'] = slider_l2.val
    current_params['theta1'] = slider_theta1.val
    current_params['theta2'] = slider_theta2.val
    current_params['omega1'] = 0.0
    current_params['omega2'] = 0.0
 
    # Re-run the simulation with new parameters
    t, y = simulate(current_params)
    theta1_vals = y[0]
    theta2_vals = y[1]
 
    # Clear the trace and reset animation frame index
    trace_x.clear()
    trace_y.clear()
    ani.frame_seq = ani.new_frame_seq()
    fig.canvas.draw_idle()
 
# Call update_simulation when any slider value changes
slider_m1.on_changed(update_simulation)
slider_m2.on_changed(update_simulation)
slider_l1.on_changed(update_simulation)
slider_l2.on_changed(update_simulation)
slider_theta1.on_changed(update_simulation)
slider_theta2.on_changed(update_simulation)
 
# Button to reset sliders to default values
reset_ax = plt.axes([0.8, 0.05, 0.1, 0.04])
button_reset = Button(reset_ax, 'Reset', color=axcolor, hovercolor='0.975')
 
def reset(event):
    slider_m1.reset()
    slider_m2.reset()
    slider_l1.reset()
    slider_l2.reset()
    slider_theta1.reset()
    slider_theta2.reset()
 
button_reset.on_clicked(reset)
 
# Create the animation
ani = FuncAnimation(fig, update, frames=len(t), init_func=init, interval=20, blit=True)
 
plt.show()