SympyのLaplace変換が実用的じゃない
Laplace変換
ラプラス変換は,時間平面(t平面)における信号をs平面に持ってくることで,
微分方程式を代数的に解くために非常に有効な手段です.
例えば,信号処理においては時間変化する周期信号をラプラス変換して,色々な操作(微積分など他多数)を行ったのちに逆ラプラス変換して時間軸に戻します.
Sympy
ラプラス変換をPythonで行おうと思い,Sympyでそれができることがわかったので行ってみましたがこれが死ぬほど使えませんでしたのでここに記録しておきます.
ラプラス変換の基礎知識
定義
\mathcal{L}[f(t)] = \int_0^{\infty}f(t)e^{-st}dt
簡単な例
import sympy as sp
s, t = sp.symbols("s, t")
w = sp.symbols("w", real=True)
sp.laplace_transform(sp.cos(w*t), t, s)
>> (s/(s**2 + w**2), 0, Eq(Abs(periodic_argument(polar_lift(w)**2, oo)), 0))
これは真っ当な結果で良いです.正しいです.cos波のラプラス変換は定義通り計算してこうなりますし,覚えている人もいると思います.
三角波
実際に行いたいものの1歩前に、単純な三角波を扱います。
T = 0.2 #周期
ft = 2/T*t*sp.Heaviside(t) + 2/T*(t-T)*sp.Heaviside(t-T) - 4/T*(t-T/2)*sp.Heaviside(t-T/2)
p = plot(ft, (t, -0.2, 1), xlabel="t", ylabel="y")
「Heaviside」はヘヴィサイド関数のことで、ステップ関数みたいなもんです.
信号ftを時間軸でプロットし、うまく三角波を生成しました。
ラプラス変換の良いところは、これを周期的に連続させたいときにs平面上で
\frac{1}{1-e^{-Ts}} ...(1)
をかけるだけで良いところです。つまり
1.単位信号を生成(今の場合では三角波1つ)
2.ラプラス変換する
3.式(1)をかける
4.逆ラプラス変換を行う
このステップがとても楽なはずでした。
実際に行ってみます。
ft = 2/T*t*sp.Heaviside(t) + 2/T*(t-T)*sp.Heaviside(t-T) - 4/T*(t-T/2)*sp.Heaviside(t-T/2)
Fs = laplace_transform(ft, t, s)
Fs_period = (1-sp.exp(-T*s))**(-1)*Fs[0]
Fs_period_integral = Fs_period / s
Fs_integral = Fs[0] / s
print(Fs)
print(Fs[0])
print(Fs_period)
print(Fs_period_integral)
print(Fs_integral)
(10.0/s**2 + 10.0*exp(-0.2*s)/s**2 - 20.0*exp(-0.1*s)/s**2, 0, True)
10.0/s**2 + 10.0*exp(-0.2*s)/s**2 - 20.0*exp(-0.1*s)/s**2
(10.0/s**2 + 10.0*exp(-0.2*s)/s**2 - 20.0*exp(-0.1*s)/s**2)/(1 - exp(-0.2*s))
(10.0/s**2 + 10.0*exp(-0.2*s)/s**2 - 20.0*exp(-0.1*s)/s**2)/(s*(1 - exp(-0.2*s)))
(10.0/s**2 + 10.0*exp(-0.2*s)/s**2 - 20.0*exp(-0.1*s)/s**2)/s
さて、ここでは、4つの関数を上から順につくりました。
1つ目は、単位信号のラプラス変換. (要素として返されるので、以後ではFs[0]、つまり式を取り出して使用した)
2つ目は、その後に式(1)をかけたもの
3つ目は、2つ目を積分しようとしたもの(s平面上では、積分を1/sをかけることで扱える)
4つ目は、1つ目を積分しようとしたもの
重要なのは、とくに2つ目、3つ目です。
さて、逆変換してみると、、、
ft = sp.inverse_laplace_transform(Fs[0],s,t,noconds=True)
ft_period = sp.inverse_laplace_transform(Fs_period,s,t)
ft_period_integral = sp.inverse_laplace_transform(Fs_period_integral,s,t)
ft_integral = sp.inverse_laplace_transform(Fs_integral,s,t)
print(ft)
print("******************")
print(ft_period)
print("******************")
print(ft_period_integral)
print("******************")
print(ft_integral)
10.0*t*Heaviside(t) + (10.0*t - 2.0)*Heaviside(t - 0.2) - (20.0*t - 2.0)*Heaviside(t - 0.0999999999999999)
******************
10.0*InverseLaplaceTransform(1/(s**2 - s**2*exp(-0.2*s)), s, t, _None) - 20.0*InverseLaplaceTransform(1/(s**2*exp(0.1*s) - s**2*exp(-0.1*s)), s, t, _None) + 10.0*InverseLaplaceTransform(1/(s**2*exp(0.2*s) - s**2*exp(-5.55111512312578e-17*s)), s, t, _None)
******************
10.0*InverseLaplaceTransform(1/(s**3 - s**3*exp(-0.2*s)), s, t, _None) - 20.0*InverseLaplaceTransform(1/(s**3*exp(0.1*s) - s**3*exp(-0.1*s)), s, t, _None) + 10.0*InverseLaplaceTransform(1/(s**3*exp(0.2*s) - s**3*exp(-5.55111512312578e-17*s)), s, t, _None)
******************
5.0*t**2*Heaviside(t) + (5.0*t**2 - 2.0*t + 0.2)*Heaviside(t - 0.2) - (10.0*t**2 - 2.0*t + 0.0999999999999998)*Heaviside(t - 0.0999999999999999)
こうなってしまいました。順にプロットしたところ、この段階でできたのは1つ目と4つ目で
p1 = plot(ft, (t, -0.2, 1), xlabel="t", ylabel="y")
p4 = plot(ft_integral, (t, -0.2, 1), xlabel="t", ylabel="y")
となりました。1つ目は、もとの信号に戻って当然です。2つ目はこれを積分した信号が出てきたので良さそうです。
エラー部分
2つ目の信号は、逆変換を行った際に
10.0*InverseLaplaceTransform(1/(s**2 - s**2*exp(-0.2*s)), s, t, _None) - 20.0*InverseLaplaceTransform(1/(s**2*exp(0.1*s) - s**2*exp(-0.1*s)), s, t, _None) + 10.0*InverseLaplaceTransform(1/(s**2*exp(0.2*s) - s**2*exp(-5.55111512312578e-17*s)), s, t, _None)
となってしまい、"InverseLaplaceTransform(1/(s*2 - s*2*exp(-0.2*s)), s, t, _None)"の部分が結果の出力を邪魔しています。
どうにか解決したいのですが、経験があっておわかりになる方がいらっしゃいましたら教えてほしいです。
Author And Source
この問題について(SympyのLaplace変換が実用的じゃない), 我々は、より多くの情報をここで見つけました https://qiita.com/makki_maki04/items/e2bbe5df82cf6f93bfb0著者帰属:元の著者の情報は、元のURLに含まれています。著作権は原作者に属する。
Content is automatically searched and collected through network algorithms . If there is a violation . Please contact us . We will adjust (correct author information ,or delete content ) as soon as possible .