1 #-*-coding:iso-8859-1-*-
3 # Copyright (C) 2008-2017 EDF R&D
5 # This library is free software; you can redistribute it and/or
6 # modify it under the terms of the GNU Lesser General Public
7 # License as published by the Free Software Foundation; either
8 # version 2.1 of the License.
10 # This library is distributed in the hope that it will be useful,
11 # but WITHOUT ANY WARRANTY; without even the implied warranty of
12 # MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE. See the GNU
13 # Lesser General Public License for more details.
15 # You should have received a copy of the GNU Lesser General Public
16 # License along with this library; if not, write to the Free Software
17 # Foundation, Inc., 59 Temple Place, Suite 330, Boston, MA 02111-1307 USA
19 # See http://www.salome-platform.org/ or email : webmaster.salome@opencascade.com
21 # Author: Jean-Philippe Argaud, jean-philippe.argaud@edf.fr, EDF R&D
24 from daCore import BasicObjects, PlatformInfo
26 mpr = PlatformInfo.PlatformInfo().MachinePrecision()
28 # ==============================================================================
29 class ElementaryAlgorithm(BasicObjects.Algorithm):
31 BasicObjects.Algorithm.__init__(self, "TANGENTTEST")
32 self.defineRequiredParameter(
33 name = "ResiduFormula",
36 message = "Formule de résidu utilisée",
39 self.defineRequiredParameter(
40 name = "EpsilonMinimumExponent",
43 message = "Exposant minimal en puissance de 10 pour le multiplicateur d'incrément",
47 self.defineRequiredParameter(
48 name = "InitialDirection",
51 message = "Direction initiale de la dérivée directionnelle autour du point nominal",
53 self.defineRequiredParameter(
54 name = "AmplitudeOfInitialDirection",
57 message = "Amplitude de la direction initiale de la dérivée directionnelle autour du point nominal",
59 self.defineRequiredParameter(
60 name = "AmplitudeOfTangentPerturbation",
63 message = "Amplitude de la perturbation pour le calcul de la forme tangente",
67 self.defineRequiredParameter(
69 typecast = numpy.random.seed,
70 message = "Graine fixée pour le générateur aléatoire",
72 self.defineRequiredParameter(
76 message = "Titre du tableau et de la figure",
78 self.defineRequiredParameter(
79 name = "StoreSupplementaryCalculations",
82 message = "Liste de calculs supplémentaires à stocker et/ou effectuer",
83 listval = ["CurrentState", "Residu", "SimulatedObservationAtCurrentState"]
86 def run(self, Xb=None, Y=None, U=None, HO=None, EM=None, CM=None, R=None, B=None, Q=None, Parameters=None):
87 self._pre_run(Parameters)
89 Hm = HO["Direct"].appliedTo
90 Ht = HO["Tangent"].appliedInXTo
92 # Construction des perturbations
93 # ------------------------------
94 Perturbations = [ 10**i for i in xrange(self._parameters["EpsilonMinimumExponent"],1) ]
95 Perturbations.reverse()
97 # Calcul du point courant
98 # -----------------------
99 Xn = numpy.asmatrix(numpy.ravel( Xb )).T
100 FX = numpy.asmatrix(numpy.ravel( Hm( Xn ) )).T
101 NormeX = numpy.linalg.norm( Xn )
102 NormeFX = numpy.linalg.norm( FX )
103 if "CurrentState" in self._parameters["StoreSupplementaryCalculations"]:
104 self.StoredVariables["CurrentState"].store( numpy.ravel(Xn) )
105 if "SimulatedObservationAtCurrentState" in self._parameters["StoreSupplementaryCalculations"]:
106 self.StoredVariables["SimulatedObservationAtCurrentState"].store( numpy.ravel(FX) )
108 # Fabrication de la direction de l'incrément dX
109 # ----------------------------------------------
110 if len(self._parameters["InitialDirection"]) == 0:
114 dX0.append( numpy.random.normal(0.,abs(v)) )
116 dX0.append( numpy.random.normal(0.,Xn.mean()) )
118 dX0 = numpy.ravel( self._parameters["InitialDirection"] )
120 dX0 = float(self._parameters["AmplitudeOfInitialDirection"]) * numpy.matrix( dX0 ).T
122 # Calcul du gradient au point courant X pour l'incrément dX
123 # qui est le tangent en X multiplié par dX
124 # ---------------------------------------------------------
125 dX1 = float(self._parameters["AmplitudeOfTangentPerturbation"]) * dX0
126 GradFxdX = Ht( (Xn, dX1) )
127 GradFxdX = numpy.asmatrix(numpy.ravel( GradFxdX )).T
128 GradFxdX = float(1./self._parameters["AmplitudeOfTangentPerturbation"]) * GradFxdX
129 NormeGX = numpy.linalg.norm( GradFxdX )
131 # Entete des resultats
132 # --------------------
135 Remarque : les nombres inferieurs a %.0e (environ) representent un zero
136 a la precision machine.\n"""%mpr
137 if self._parameters["ResiduFormula"] == "Taylor":
138 __entete = " i Alpha ||X|| ||F(X)|| | R(Alpha) |R-1|/Alpha "
140 On observe le résidu provenant du rapport d'incréments utilisant le
143 || F(X+Alpha*dX) - F(X) ||
144 R(Alpha) = -----------------------------
145 || Alpha * TangentF_X * dX ||
147 qui doit rester stable en 1+O(Alpha) jusqu'à ce que l'on atteigne la
150 Lorsque |R-1|/Alpha est inférieur ou égal à une valeur stable
151 lorsque Alpha varie, le tangent est valide, jusqu'à ce que l'on
152 atteigne la précision du calcul.
154 Si |R-1|/Alpha est très faible, le code F est vraisemblablement
155 linéaire ou quasi-linéaire, et le tangent est valide jusqu'à ce que
156 l'on atteigne la précision du calcul.
158 On prend dX0 = Normal(0,X) et dX = Alpha*dX0. F est le code de calcul.
161 if len(self._parameters["ResultTitle"]) > 0:
163 msgs += __marge + "====" + "="*len(self._parameters["ResultTitle"]) + "====\n"
164 msgs += __marge + " " + self._parameters["ResultTitle"] + "\n"
165 msgs += __marge + "====" + "="*len(self._parameters["ResultTitle"]) + "====\n"
170 __nbtirets = len(__entete)
171 msgs += "\n" + __marge + "-"*__nbtirets
172 msgs += "\n" + __marge + __entete
173 msgs += "\n" + __marge + "-"*__nbtirets
175 # Boucle sur les perturbations
176 # ----------------------------
177 for i,amplitude in enumerate(Perturbations):
180 if self._parameters["ResiduFormula"] == "Taylor":
181 FX_plus_dX = numpy.asmatrix(numpy.ravel( Hm( Xn + dX ) )).T
183 Residu = numpy.linalg.norm( FX_plus_dX - FX ) / (amplitude * NormeGX)
185 self.StoredVariables["Residu"].store( Residu )
186 msg = " %2i %5.0e %9.3e %9.3e | %11.5e %5.1e"%(i,amplitude,NormeX,NormeFX,Residu,abs(Residu-1.)/amplitude)
187 msgs += "\n" + __marge + msg
189 msgs += "\n" + __marge + "-"*__nbtirets
192 # Sorties eventuelles
193 # -------------------
194 print("\nResults of tangent check by \"%s\" formula:"%self._parameters["ResiduFormula"])
200 # ==============================================================================
201 if __name__ == "__main__":
202 print('\n AUTODIAGNOSTIC \n')