3

我想在 python 中做这个人在 MATLAB 中所做的事情。

我已经安装了 anaconda,所以我有 numpy 和 sympy 库。到目前为止,我已经尝试过使用 numpy nsolve,但这不起作用。我应该说我是 python 新手,而且我知道如何在 MATLAB 中做到这一点:P。

方程

-2*log(( 2.51/(331428*sqrt(x)) ) + ( 0.0002 /(3.71*0.26)) ) = 1/sqrt(x)

通常,我会迭代地解决这个问题,简单地猜测左边的 x 而不是解决右边的 x。把解放在左边,再解。重复直到左边的 x 接近右边。我知道应该是什么解决方案。

所以我可以这样做,但这不是很酷。我想用数字来做。我的 15 欧元卡西欧计算器可以按原样解决,所以我认为它不应该太复杂?

谢谢您的帮助,

编辑:所以我尝试了以下方法:

from scipy.optimize import brentq

w=10;
d=0.22;
rho=1.18;
ni=18.2e-6;

Re=(w*d*rho)/ni
k=0.2e-3;
d=0.26;

def f(x,Re,k,d):
    return (
        -2*log((2.51/(Re*sqrt(x)))+(k/(3.71*d)),10)*sqrt(x)+1
            );

print(
    scipy.optimize.brentq
        (
        f,0.0,1.0,xtol=4.44e-12,maxiter=100,args=(),full_output=True,disp=True
        )
    );

我得到了这个结果:

    r = _zeros._brentq(f,a,b,xtol,maxiter,args,full_output,disp)
TypeError: f() takes exactly 4 arguments (1 given)

是因为我也在解决常量问题吗?

edit2:所以我想我必须通过 args=() 关键字分配常量,所以我改变了:

f,0.0,1.0,xtol=4.44e-12,maxiter=100,args=(Re,k,d),full_output=True,disp=True

但现在我明白了:

-2*log((2.51/(Re*sqrt(x)))+(k/(3.71*d)),10)*sqrt(x)+1
TypeError: return arrays must be of ArrayType

无论如何,当我输入不同的方程式时;可以说它2*x*Re+(k*d)/(x+5)有效,所以我想我必须转换方程。

所以它死在这里:log(x,10)..

编辑4:正确的语法是log10(x)......现在它可以工作但结果我得到零

4

3 回答 3

1

这工作正常。我在这里做了几件事。首先,我使用了一个更简单的函数定义,它使用了您已经定义的全局变量。我发现这比将 args= 传递给求解器要好一些,如果您需要类似的东西,它还可以更轻松地使用您自己的自定义求解器。我使用通用root函数作为入口点,而不是使用特定算法——这很好,因为您可以稍后简单地传递不同的方法。我还按照PEP 8的建议调整了间距并修复了您对方程式的错误重写。我发现简单地编写 LHS - RHS 而不是像您那样操作更直观。另外,请注意,我已将所有整数文字替换为 1.0 或其他任何内容,以避免整数除法问题。0.02 被认为是摩擦系数的一个相当标准的起点。

import numpy
from scipy.optimize import root

w = 10.0
d = 0.22
rho = 1.18
ni = 18.2e-6

Re = w*d*rho/ni
k = 0.2e-3

def f(x):
    return (-2*numpy.log10((2.51/(Re*numpy.sqrt(x))) + (k/(3.71*d))) - 1.0/numpy.sqrt(x))

print root(f, 0.02)

我还必须提到,对于这个问题,定点迭代实际上甚至比牛顿的方法还要快。f2您可以通过如下定义来使用内置的定点迭代例程:

def f2(x):
    LHS = -2*numpy.log10((2.51/(Re*numpy.sqrt(x))) + (k/(3.71*d)))
    return 1/LHS**2

时序(从根开始以显示收敛速度):

%timeit root(f, 0.2)
1000 loops, best of 3: 428 µs per loop

%timeit fixed_point(f2, 0.2)
10000 loops, best of 3: 148 µs per loop
于 2013-09-19T14:41:19.977 回答
0

您的标签有点偏离:您将其标记sympy符号计算库,但说您想以数字方式解决它。如果后者是您的实际意图,这里是相关的 scipy 文档:

http://docs.scipy.org/doc/scipy/reference/tutorial/optimize.html#root-finding

于 2013-09-18T19:00:28.513 回答
0

Scipy withfixed_point也是首选,因为root对于远处的猜测值不会收敛,例如 @chthonicdaemon %timeit 示例中的 0.2。

于 2021-05-19T09:58:53.697 回答