Comportement Chaotique D'un Double Pendule Magnétique

Chaos et Prdiction
ou
Du mouvement d'un pendule magntique
A) Prsentation et mise en quation
A.1. Prsentation
A.2. Modelisation de l'interaction aimant-aimant
A.3. Mise en quation
A.4. Rsolution numrique, Trajectoires et forme de l'espace des phases
B) Mise en vidence du caractre chaotique
B.1. Premier critre : Sensibilit aux conditions initiales
B.2. Deuxime critre : Spectre de puissance
C) Etude de l'erreur, constante de prdictibilit
C.1. Etude de l'erreur
C.2. Linarisation de l'erreur autour d'une trajectoire
C.3. Dtermination de la constante de prdictibilit
C.4. Intert de la constante , temps de predictibilit
D) Evolution de la constante de prdictibilit
D.1. En fonction de K
D.1. En fonction de
1
(0)
Printed by Mathematica for Students
A.1. Prsentation
Le systme tudi est constitu de 2 pendules oscillant face face, coupls par le biais de 2 aimants en vis vis. L'un
des pendules (not {1}) possde une masse M en son extrmit. Les 2 aimants possdent les mmes caractristiques : mme
force de rpulsion magntique et mme masse m.
Mise en place du double pendule magntique
L'tude se fera en ngligeant les frottements les frottements.
Les valeurs de m et M seront de m = 0,07 kg
M = 0,46 kg
De plus on prendra :
la distance entre le centre des pendules et les aimants d = 20cm
la distance entre le centre du pendule {1} et la masse M D = 25cm
la distance entre les centres de rotation des 2 pendules a = 1.5 cm
Paramtrage du systme
2 pr s e nt at ion. nb
A.2. Modelisation de l'interaction aimant-aimant
La mise en quation du systme passe par la modlisation de l'action de rpulsion entre les aimants. Afin de valider une loi en
F
j
= K +
Mi Mj
(Mi Mj)
4
et de dterminer la constante K relative aux aimants, on utilise le montage suivant :
La balance permet d'obtenir (en multipliant par g), la force excerc par les aimants interagissant. En faisant varier la distance on
obtient la courbe suivante de la force e, fonction de la distance :
Les diffrentes mesures effectues permettent de valider une force d'interactionde la forme :F
j
= K +
M
i
M
j
(M
i
M
j
)
4

avec K = 210
5
N.m
3
pr s e nt at ion. nb 3
Les aimants provoquent l'un sur l'autre une force de rpulsion de la forme:
F
j
= K +
M
i
M
j
[M
i
M
j
|
4
Ainsi le pendule {2} subit les forces :
F
2
= K
M
1
M
2
M
1
M
2
4
=
K
M
1
M
2
4
+ [ d + (1 - Cos[
2
-
1
]) u
r2
+ d + Sin[
2
-
1
] u
2
+ a u
z
|
avec (M
1
M
2
)
2
= a + 2 + d + (1 - Cos[
2
-
1
])
P
2
= m.g
.
= -m + g + [Cos[
2
] u
r2
-Sin[
2
] u
2
|
La Relation Fondamentale de la Dynamique en projection sur u
2
donne :
m + d +
d
2
dt
=
K
M
1
M
2
4
+ d + Sin[
2
-
1
] - m + g + Sin[
2
]
En procdant de mme pour le pendule {2} :
(m + d + M + d) +
d
1
dt
= -
K
M
1
M
2
4
+ d + Sin[
2
-
1
] - (m + M) + g + Sin[
1
]
Soit aprs simplificationle systme coupl :
d
1
dt
= -A
1
+
Sin[
2
-
1
]
(1+e+Cos[
2
-
1
])
2
- B
1
+ Sin[
1
]
d
2
dt
= A
2
+
Sin[
2
-
1
]
(1+e+Cos[
2
-
1
])
2
- B
2
+ Sin[
2
]
avec les constantes :
A
1
=
K + d
(M + D + m + d) + (a + 2 + d)
2
; A
2
=
K
m + (a + 2 + d)
2
;
B
1
=
(m + M) + g
(M + D + m + d)
B
2
=
g
m
;
e =
-2 + d
a + 2 + d
On peut effectuer l'aide de Mathmatica une rsolution numrique des quations diffrentielles :
sol1 = NDSolve[{eq1, eq2, 2[0] = 1.22, 2 '[0] = 0, 1[0] = 1.22, 1 '[0] = 0},
{1, 2}, {t, 0, 500}, MaxSteps - 10000000];
Plot[{(2 /. sol1[[1]])[t]}, {t, 0, 10}, PlotStyle - {{Hue[0.7]}}]
2 4 6 8 10
1.0
0.5
0.5
1.0
Le pendule rel donne pour des valeurs initiales proches :
Exemple de trajectoire obtenur exprimentalement avec K=2.10
5
N.m
3
Pour des valeurs de K plus leves on obtient des trajectoires plus complexes :
Pour des valeurs de K plus leves on obtient des trajectoires plus complexes :
2 4 6 8 10 12 14
1.0
0.5
0.5
1.0
Exemple de trajectoire pour K = 510
4
N.m
3
On remarque alors que le pendule 2 oscille d'un cot ou de l'autre du pendule 1, et ne le traverse que de temps en temps. Cela
est bien visible dans l'espace des phases. Etant donn que le systme Possdent 4 variables independantes ( savoir
1,

2
,
1
et
2
), on se rduira tracer les trajectoires dans le sous espace
1,

2
,
2
}, qui nous interesse pour tudier le mouvement de
2
:
Espace des phases pour K 5 10
4
N.m
3
B) Mise en vidence du caractre chaotique
B.1. Premier critre : Sensibilit aux conditions initiales
Le rgime chaotique se traduit par un perte de mmoire du systme : la connaissance du mouvement sur un
intervalle de temps (aussi long soit-il) ne permet pas de connaitre les trajectoires futures et passes. Cela entraine une
grande sensibilit aux conditions initiales : pour 2 trajectoires dont les conditions initiales diffrent d'une erreur infime, cette
erreur est amplifie dans le temps, si bien que 2 trajectoires dont la diffrence nous est originellement imperceptible
finissent par diverger compltement.
Cette sensibilit aux conditions initiales de certains systmes avait, bien avant la mise en place de la thorie du chaos,
tait nonce par Poincar la fin du XIXme sicle :
"Une cause trs petite, qui nous chappe, dtermine un effet considrable
que nous ne pouvons pas ne pas voir"
Cette caractristique se retrouve dans le pendule : on donne ci-dessous l'volution de 2 en fonction du temps pour
K=5*10
4
N.m
3
, les 2 trajectoiresayant des conditionsinitialesqui diffrent de 10
5
rad.
Plot[{(2 /. sol1[[1]])[t], (2 /. sol2[[1]])[t]}, {t, 0, 15}, PlotStyle - {Blue, Red}]
2 4 6 8 10 12 14
2
1
1
2
L'volution de 1 donne :
Plot[{(1 /. sol1[[1]])[t], (1 /. sol2[[1]])[t]}, {t, 0, 15}, PlotStyle - {Blue, Red}]
2 4 6 8 10 12 14
1.5
1.0
0.5
0.5
1.0
1.5
Un autre critre du caractre chaotiques est la prsence d'une bande large dans le spectre de puissance de la trajec-
toire (qui correspond au carr des coefficients de Fourier). Si le spectre de puissance d'un trajectoire ne comporte que des pics
isoles, sa trajectoire n'est pas chaotique (mme si les quations qui rgissent le systme ne sont pas linaires) car le systme
possde un nombre fini d'harmoniques.
Au donne ci-dessous le spectre de puissance de
2
pour diffrentes valeurs de K :
C.1. Etude de l'erreur
On remarque numriquement que pour des conditions initiales proches, l'erreur varie exponentiellement en amplitude.
On observe ce phnomne en traant des trajectoires avec des valeurs initiales de
2
: ici, pour K=1.10
4
N.m
3
et des valeurs
des erruers initiales de
2
par rapport la courbe orange de 10
2
, 10
3
et 10
4
rad :
Evolution de
2
en fonction du temps pour diffrentes valeurs initiales
On peut observer cette erreur de manire plus simple en la traant directement en fonction du temps :
Evolution de l'erreur en fonction du temps (erreur initiale de 10
4
rad)
On peut donc supposer que l'erreur est de la forme e(t) = e
0
+ s(t) + e
t
ou s est une fonction "pseudo-sinusodale"
d'amplitude constante gale 1, e
0
est l'erreur initiale et la constante est dfinie au voisinage de conditions initiales. La suite
de ce TIPE sera consacre la deter mination de la constante que nous nomer ons constante de pr dictibilit et l'tude
de ses variations.
Pour faire l'tude de l'erreur au voisinage d'une trajectoire donne, on va linariser cette erreur.
Posons =_
2
_, on a donc
..
= F() = _
f
1
(
1
,
2
)
f
2
(
1
,
2
)
_ avec :
+ f
1
(
1
,
2
) = -A
1
+
Sin[
2
-
1
]
(1 + e + Cos[
2
-
1
])
2
-B
1
+ Sin[
1
]
+ f
2
(
1
,
2
) = A
2
+
Sin[
2
-
1
]
(1 + e + Cos[
2
-
1
])
2
- B
2
+ Sin[
1
]
On suppose donn une trajectoire t - (t) vrifiant
..
(t) = F((t)) pour tout t.
Soit t -
E
(t)=_

E1
(t)
E2
(t)
_ = _

1
(t) + e
1
(t)
2
(t) + e
2
(t)
_ = (t)+e(t) telle que _
e
1
(0)
e
2
(0)
_=_
e
1
e
2
_
Comme
E
vrifie chaque instant :
..
E
(t) = F (
E
(t)) =

..
1
[t| + e
..
1
[t|
..
2
[t| + e
..
2
[t|
= F ( (t) + e (t))
Comme e(t) est trs petit on obtient en linarisant : F ( (t) + e (t)) = F ( (t)) + M ( (t))e (t)
o M(t) est la matrice jacobienne M(t) =
f
1
1
(
1
(t),
2
(t))
f
1
2
(
1
(t),
2
(t))
f
2
1
(
1
(t),
2
(t))
f
2
2
(
1
(t),
2
(t))
=
A
1
+
e + Cos(
2
-
1
)+ e +Sin(
2
-
1
)
2
(1 + e+Cos(
2
-
1
))
3
-B1 + Cos(
1
) -A
1
+
e + Cos(
2
-
2
)+ e +Sin(
2
-
2
)
2
(1 + e+Cos(
2
-
2
))
3
-A
2
+
e + Cos(
2
-
1
)+ e +Sin(
2
-
1
)
2
(1 + e+Cos(
2
-
1
))
3
A
2
+
e + Cos(
2
-
2
)+ e +Sin(
2
-
2
)
2
(1 + e+Cos(
2
-
2
))
3
- B1 + Cos(
1
)
On a donc
..
(t)+e
..
]t = F((t)) + M((t))e(t), donc comme
..
(t) = F((t)), l'erreur e vrifie
l'quation diffrentielle :
e
..
(t) = M ( (t))e (t)
On peut alors effectuer une rsolution numrique avec mathmatica.
On prsente ci-dessous l'volution de l'cart autour de la position initiale
{
1
0 1.5,
1
0 1.5,
2
0 2,
1
0 0}, avec K=10
4
N.m
3
On peut alors effectuer une rsolution numrique avec mathmatica.
On prsente ci-dessous l'volution de l'cart autour de la position initiale
{
1
0 1.5,
1
0 1.5,
2
0 2,
1
0 0}, avec K=10
4
N.m
3
errsol = NDSolve[{eqerr[[1]], eqerr[[2]], err1[0] = 0, err1'[0] = 0,
err2[0] = 0.00001, err2'[0] = 0}, {err1, err2}, {t, 0, 50}, MaxSteps - 10000000]
LogPlot[{Abs[(err2 /. errsol[[1]])[t]],
Abs[(2 /. sol1[[1]])[t] - (2 /. sol2[[1]])[t]]}, {t, 0, 50}]
Evolution de l'erreur relle et obtenue par linarisation
pour K=10
4
N.m
3
, e
1
=0 rad, e
2
=10
5
rad
Cette linarisation possde 2 avantages :
En connaissant une trajectoire, on peut obtenir directement la forme de l'cart, sans avoir dterminer les conditions
initiales (par une mesure peu prcise) et refaire une integration en les changeant lgrement.
Contrairement l'erreur relle, l'erreur linarisen'a pas de ralit physique, elle n'est donc pas limite par les
dimensions physique du systme : elle continue indfiniment de cr oitr e la mme vitesse.
Ceci va tre utile dans la dterminationde la constante .
C.3. Dtermination de la constante de prdictibilit
Du fait de la prsence du terme oscillant dans l'erreur, une simple rgression linaire ne donne pas de valeur acceptable de la
constante.
On a donc besoin de selectionner les pics de l'erreur , c'est dire les points o la drive de l'erruer s'anulle.
On construit donc une fonction zero[f] qui prend en image une fonction f du temps et renvoit les instants de ses 80 premires
annulations 0.03sec prs:
zero[f_] := Module[{t, l = Table[0, {i, 80}]},
t = 0;
Do[
While[(-1)^(i + 1) + (f'[t]) z 0,
t = t + 0.03];
l[[i]] = t - 0.015,
{i, 1, 80}];
l]
On rapelle que l'expression gnrale de l'erreur est e(t) = e
0
+ s(t) + e
t
. En les points t considrs, s(t)1, donc
l'erreur est de la forme e
2
(t) |= e
2
+ e
t
.
On peut alors dterminer =
1
t
+ Log_
e
2
(t)
e
2
_
Pour palier aux carts l'expression thorique de l'erreur, on calcule la moyenne de cette quantit sur les points donns par la
fonction zero.
[e_, e2_] := Module_{r, l},
l = zero[e];
r = Moving Average_
Table_
1
l[[i]]
+ Log_Abs_
e[t]
e2
__, {i, 41, 80}_, 40_;
r_
En pratique on utilisera une fonction qui prend pour agument des conditions initiales et une valeur de K, et renvoit la constante
de prdictibilitassocie la trajectoire correspondante :
En pratique on utilisera une fonction qui prend pour agument des conditions initiales et une valeur de K, et renvoit la constante
de prdictibilitassocie la trajectoire correspondante :
[i1_, i2_, di1_, di2_, k_] :=
Module_{eq1, eq2, eqqerr, sol1, errsol, , 1, 2, , r, l = Table[0, {i, 80}], s = 0, j = 1},
eq1 = 1 ''[t] = -242.29986398423299+ k + Sin[2[t] - 1[t]] /
(1 - 0.9971953879713306+ Cos[2[t] - 1[t]])^2 - 40.34785964912281+ Sin[1[t]];
eq2 = 2 ''[t] = 2219.639825426991+ k + Sin[2[t] - 1[t]] /
(1 - 0.9971953879713306+ Cos[2[t] - 1[t]])^2 - 140.27142857142857+ Sin[2[t]];
sol1 = NDSolve[{eq1, eq2, 1[0] = i1, 1 '[0] = di1, 2[0] = i2, 2 '[0] = di2},
{1, 2}, {t, 0, 25}, MaxSteps - 10000000];
[t_] := (2 /. sol1[[1]])[t] - (1 /. sol1[[1]])[t];
1[t_] := (1 /. sol1[[1]])[t];
2[t_] := (2 /. sol1[[1]])[t];
eqerr = {
err1''[t] == -242.29986398423299+ k +
(-0.9971953879713306+ Cos[[t]] - 0.9971953879713306+ Sin[[t]]^2) /
(1 - 0.9971953879713306+ Cos[[t]])^3 + (err2[t] - err1[t]) -
40.34785964912281+ Cos[1[t]] + err1[t], err2''[t] == 2219.639825426991+
k + (-0.9971953879713306+ Cos[[t]] - 0.9971953879713306+ Sin[[t]]^2) /
(1 - 0.9971953879713306+ Cos[[t]])^3 + (err2[t] - err1[t]) -
140.27142857142857+ Cos[2[t]] + err2[t]};
errsol = NDSolve[{eqerr[[1]], eqerr[[2]], err1[0] = 0, err1'[0] = 0,
err2[0] = 0.00001, err2'[0] = 0}, {err1, err2}, {t, 0, 25}, MaxSteps - 10000000];
While[s s 25 && j s 80,
While[s s 25 && j s 80 && (-1)^(j + 1) + (err2 /. errsol[[1]])'[s] z 0, s = s + 0.03];
l[[j]] = s - 0.015;
j++];
r = MovingAverage_
Table_N_If_l[[i]] > 0,
1
l[[i]]
+ Log_
1
0.00001
Abs[(err2 /. errsol[[1]])[l[[i]]]]_, 0__,
{i, 41, j - 1}_, j - 41_;
r[[
1]]_
On obtient alors des valeurs cohrentes de dans des temps rsonnables :
On obtient alors des valeurs cohrentes de dans des temps rsonnables :
Timing[[0.8, 1.2, 0.1, 0, 10^-4]]
1.201, 0.427893
LogPlot[
{Abs[(2 /. sol1[[1]])[t] - (2 /. sol2[[1]])[t]], 0.000001+ Exp[0.427893+ t]}, {t, 0, 40}]
10 20 30 40
10
7
10
5
0.001
0.1
10
5 10 15 20
10
4
0.1
100
10
5
Exemples d'volution de l'erreur relle et de l'amplitude thorique
dtermine par la fonction
C.4. Intert de la constante , temps de predictibilit
La constante de prdictibilitfournit 2 informations:
Elle donne un indicateur chiffr du charactre chaotique du systme : si est ngatif ou lgrement positif, l'erreur
diminue ou augmente peut au cours du temps, le systme n'est pas ou peu chaotique; si est grand les trajectoires divergent
trs rapidement, le systme est trs chaotique.
Elle permet d'accder au temps caractristique de prdictibilit :
En supposant que l'on peut accpter une erreur sur la prvision de 0.1 rad, et en connaissant les conditions initiales
avec une prcision , on peut alors prvoir le mouvement du pendule sur une dure donne par
=
1
+ Log_
0.1
_
On donne par exemple le temps caractristique de prdictibilit pour diffrents paramtres initiaux est valeurs de K, en
supposant que l'on connaisse les conditions initiales avec un prcision 10
3
rad:
1 Pi 2, 2 Pi 3, 1 ' 0, 2 ' 0, K 10
5
9.61939 sec
1 Pi 2, 2 Pi 2, 1 ' 0, 2 ' 0, K 10
5
8.49164 sec
1 Pi 3, 2 Pi 3, 1 ' 0, 2 ' 0, K 10
5
18.9893 sec
1 Pi 2, 2 Pi 2, 1 ' 0, 2 ' 0, K 2 10
5
6.38887 sec
1 Pi 3, 2 Pi 2, 1 ' 0, 2 ' 0, K 2 10
5
17.3559 sec
1 Pi 3, 2 Pi 2, 1 ' 0, 2 ' 0, K 1 10
4
8.49164 sec
1 Pi 3, 2 Pi 2, 1 ' 0, 2 ' 0, K 5 10
4
3.96771 sec
1 Pi 2, 2 Pi 2, 1 ' 0, 2 ' 0, K 5 10
3
2.51905 sec
D) Evolution de la constante de prdictibilit
D.1. En fonction de K
On se place dans cette partie 1 0, 2 0, 1' 0, 2' 0 fixs et on tudie la variation de en fonction de K.
Le calcul de pour une srie de valeur de K donne la courbe suivante :
10
6
10
5
10
4
0.001 0.01 0.1
0.5
1.0
1.5
2.0
2.5
3.0
3.5
Il ne faut pas oublier que cette constante une signification physique tant que l'erreur vrifie la loi exponentielle nonce
au C.1. On donne ci-dessous l'allure des trajectoires et l'erreur relle pour K=0.5 N.m
3
:
30.5 31.0 31.5 32.0
6
4
2
5 10 15 20
0.02
0.05
0.10
0.20
0.50
1.00
2.00
D.1. En fonction de
1
(0)
On se place dans cette partie {2 (0), 1' (0), 2' (0), K} fixs et on tudie la variation de en fonction de 1(0). Le calcul de
pour une srie de valeur de 1(0) donne la courbe suivante, avec K=10
4
N.m
3
:

Comportement Chaotique D'un Double Pendule Magnétique

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Comportement Chaotique D'un Double Pendule Magnétique

Transféré par

Droits d'auteur :

Formats disponibles

Chaos et Prdiction

Vous aimerez peut-être aussi