Port-Hamiltonian system: structure recognition and applications

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

In this paper, we continue to consider the problem of recovering the port-Hamiltonian structure for an arbitrary system of differential equations. We complement our previous study on this topic by explaining the choice of machine learning algorithms and discussing some details of their application. We also consider the possibility provided by this approach for a potentially new definition of canonical forms and classification of systems of differential equations.

Full Text

Restricted Access

About the authors

V. N. Salnikov

University of La Rochelle

Author for correspondence.
Email: vladimir.salnikov@univ-lr.fr
France, Av. Michel Crépeau, La Rochelle, 17042, Paris

References

  1. Salnikov V., Hamdouni A., Loziienko D., Generalized and graded geometry for mechanics: a comprehensive introduction // Mathematics and Mechanics of Complex Systems. 2021. V. 9. № 1. 2021.
  2. Salnikov V., Hamdouni A. Geometric integrators in mechanics: The need for computer algebra tools, Tr. Tret’ei Mezhdun. Konf. “Computer algebra” (Proc. 3rd Int. Conf. Computer Algebra), Moscow, 2019.
  3. Salnikov V.N., Hamdouni A. Differential geometry and mechanics: A source for computer algebra problems // Program. Comput. Software. 2020. V. 46. P. 126–132.
  4. Salnikov V., Falaize A., Lozienko D. Learning port-Hamiltonian systems: Algorithms // Comput. Math. Math. Phys. 2023. V. 63. P. 126–134.
  5. Paynter H.M. Analysis and Design of Engineering Systems // MIT Press, Cambridge, Massachusetts, 1961.
  6. A. van der Schaft. Port-Hamiltonian systems: an introductory survey // Proceedings of the International Congress of Mathematicians, Madrid, 2006.
  7. Sage Manifolds – Differential geometry and tensor calculus with SageMath, https://sagemanifolds.obspm.fr
  8. Falaize A. Modélisation, simulation, génération de code et correction de systèmes multi-physiques audios: Approche par réseau de composants et formulation hamiltonienne à ports, // PhD thesis, Télécommunication et Électronique de Paris, Université Pierre et Marie Curie, 2016.
  9. Modeling, simulation and code-generation of multiphysical Port-Hamiltonian Systems in Python: https://github.com/pyphs/pyphs
  10. Edler D., Holmgren A. Rosvall M., Infomap – Network community detection using the MapEquation framework, https://www.mapequation.org/infomap/
  11. Hairer E., Lubich C., Wanner G., Geometric Numerical Integration // Springer Series in Computational Mathematics, 2006.
  12. Razafindralandy D., Hamdouni A., Chhay M., A review of some geometric integrators // Advanced Modeling and Simulation in Engineering Sciences, SpringerOpen. 2018. V. 5 № 1. P. 16.
  13. Razafindralandy D., Salnikov V., Hamdouni A., Deeb A. Some robust integrators for large time dynamics // Advanced Modeling and Simulation in Engineering Sciences. 2019. V. 6. № 5.
  14. Cosserat O., Symplectic groupoids for Poisson integrators // Journal of Geometry and Physics, 2023. V. 186.
  15. Cosserat O., Laurent-Gengoux C., Salnikov V. // Numerical Methods in Poisson Geometry and their Application to Mechanics, Preprint: arXiv:2303.15883.

Supplementary files

Supplementary Files
Action
1. JATS XML

Copyright (c) 2024 Russian Academy of Sciences

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».