TY - THES A1 - Peter, Franziska T1 - Transition to synchrony in finite Kuramoto ensembles T1 - Synchronisationsübergang in endlichen Kuramoto-Ensembles N2 - Synchronisation – die Annäherung der Rhythmen gekoppelter selbst oszillierender Systeme – ist ein faszinierendes dynamisches Phänomen, das in vielen biologischen, sozialen und technischen Systemen auftritt. Die vorliegende Arbeit befasst sich mit Synchronisation in endlichen Ensembles schwach gekoppelter selbst-erhaltender Oszillatoren mit unterschiedlichen natürlichen Frequenzen. Das Standardmodell für dieses kollektive Phänomen ist das Kuramoto-Modell – unter anderem aufgrund seiner Lösbarkeit im thermodynamischen Limes unendlich vieler Oszillatoren. Ähnlich einem thermodynamischen Phasenübergang zeigt im Fall unendlich vieler Oszillatoren ein Ordnungsparameter den Übergang von Inkohärenz zu einem partiell synchronen Zustand an, in dem ein Teil der Oszillatoren mit einer gemeinsamen Frequenz rotiert. Im endlichen Fall treten Fluktuationen auf. In dieser Arbeit betrachten wir den bisher wenig beachteten Fall von bis zu wenigen hundert Oszillatoren, unter denen vergleichbar starke Fluktuationen auftreten, bei denen aber ein Vergleich zu Frequenzverteilungen im unendlichen Fall möglich ist. Zunächst definieren wir einen alternativen Ordnungsparameter zur Feststellung einer kollektiven Mode im endlichen Kuramoto-Modell. Dann prüfen wir die Abhängigkeit des Synchronisationsgrades und der mittleren Rotationsfrequenz der kollektiven Mode von Eigenschaften der natürlichen Frequenzverteilung für verschiedene Kopplungsstärken. Wir stellen dabei zunächst numerisch fest, dass der Synchronisationsgrad stark von der Form der Verteilung (gemessen durch die Kurtosis) und die Rotationsfrequenz der kollektiven Mode stark von der Asymmetrie der Verteilung (gemessen durch die Schiefe) der natürlichen Frequenzen abhängt. Beides können wir im thermodynamischen Limes analytisch verifizieren. Mit diesen Ergebnissen können wir Erkenntnisse anderer Autoren besser verstehen und verallgemeinern. Etwas abseits des roten Fadens dieser Arbeit finden wir außerdem einen analytischen Ausdruck für die Volumenkontraktion im Phasenraum. Der zweite Teil der Arbeit konzentriert sich auf den ordnenden Effekt von Fluktuationen, die durch die Endlichkeit des Systems zustande kommen. Im unendlichen Modell sind die Oszillatoren eindeutig in kohärent und inkohärent und damit in geordnet und ungeordnet getrennt. Im endlichen Fall können die auftretenden Fluktuationen zusätzliche Ordnung unter den asynchronen Oszillatoren erzeugen. Das grundlegende Prinzip, die rauschinduzierte Synchronisation, ist aus einer Reihe von Publikationen bekannt. Unter den gekoppelten Oszillatoren nähern sich die Phasen aufgrund der Fluktuationen des Ordnungsparameters an, wie wir einerseits direkt numerisch zeigen und andererseits mit einem Synchronisationsmaß aus der gerichteten Statistik zwischen Paaren passiver Oszillatoren nachweisen. Wir bestimmen die Abhängigkeit dieses Synchronisationsmaßes vom Verhältnis von paarweiser natürlicher Frequenzdifferenz zur Varianz der Fluktuationen. Dabei finden wir eine gute Übereinstimmung mit einem einfachen analytischen Modell, in welchem wir die deterministischen Fluktuationen des Ordnungsparameters durch weißes Rauschen ersetzen. N2 - Synchronization – the adjustment of rhythms among coupled self-oscillatory systems – is a fascinating dynamical phenomenon found in many biological, social, and technical systems. The present thesis deals with synchronization in finite ensembles of weakly coupled self-sustained oscillators with distributed frequencies. The standard model for the description of this collective phenomenon is the Kuramoto model – partly due to its analytical tractability in the thermodynamic limit of infinitely many oscillators. Similar to a phase transition in the thermodynamic limit, an order parameter indicates the transition from incoherence to a partially synchronized state. In the latter, a part of the oscillators rotates at a common frequency. In the finite case, fluctuations occur, originating from the quenched noise of the finite natural frequency sample. We study intermediate ensembles of a few hundred oscillators in which fluctuations are comparably strong but which also allow for a comparison to frequency distributions in the infinite limit. First, we define an alternative order parameter for the indication of a collective mode in the finite case. Then we test the dependence of the degree of synchronization and the mean rotation frequency of the collective mode on different characteristics for different coupling strengths. We find, first numerically, that the degree of synchronization depends strongly on the form (quantified by kurtosis) of the natural frequency sample and the rotation frequency of the collective mode depends on the asymmetry (quantified by skewness) of the sample. Both findings are verified in the infinite limit. With these findings, we better understand and generalize observations of other authors. A bit aside of the general line of thoughts, we find an analytical expression for the volume contraction in phase space. The second part of this thesis concentrates on an ordering effect of the finite-size fluctuations. In the infinite limit, the oscillators are separated into coherent and incoherent thus ordered and disordered oscillators. In finite ensembles, finite-size fluctuations can generate additional order among the asynchronous oscillators. The basic principle – noise-induced synchronization – is known from several recent papers. Among coupled oscillators, phases are pushed together by the order parameter fluctuations, as we on the one hand show directly and on the other hand quantify with a synchronization measure from directed statistics between pairs of passive oscillators. We determine the dependence of this synchronization measure from the ratio of pairwise natural frequency difference and variance of the order parameter fluctuations. We find a good agreement with a simple analytical model, in which we replace the deterministic fluctuations of the order parameter by white noise. KW - synchronization KW - Kuramoto model KW - finite size KW - phase transition KW - dynamical systems KW - networks KW - Synchronisation KW - Kuramoto-Modell KW - endliche Ensembles KW - Phasenübergang KW - dynamische Systeme KW - Netzwerke Y1 - 2019 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus4-429168 ER - TY - THES A1 - Quade, Markus T1 - Symbolic regression for identification, prediction, and control of dynamical systems T1 - Symbolische Regression zur Identifikation, Vorhersage und Regelung dynamischer Systeme N2 - In the present work, we use symbolic regression for automated modeling of dynamical systems. Symbolic regression is a powerful and general method suitable for data-driven identification of mathematical expressions. In particular, the structure and parameters of those expressions are identified simultaneously. We consider two main variants of symbolic regression: sparse regression-based and genetic programming-based symbolic regression. Both are applied to identification, prediction and control of dynamical systems. We introduce a new methodology for the data-driven identification of nonlinear dynamics for systems undergoing abrupt changes. Building on a sparse regression algorithm derived earlier, the model after the change is defined as a minimum update with respect to a reference model of the system identified prior to the change. The technique is successfully exemplified on the chaotic Lorenz system and the van der Pol oscillator. Issues such as computational complexity, robustness against noise and requirements with respect to data volume are investigated. We show how symbolic regression can be used for time series prediction. Again, issues such as robustness against noise and convergence rate are investigated us- ing the harmonic oscillator as a toy problem. In combination with embedding, we demonstrate the prediction of a propagating front in coupled FitzHugh-Nagumo oscillators. Additionally, we show how we can enhance numerical weather predictions to commercially forecast power production of green energy power plants. We employ symbolic regression for synchronization control in coupled van der Pol oscillators. Different coupling topologies are investigated. We address issues such as plausibility and stability of the control laws found. The toolkit has been made open source and is used in turbulence control applications. Genetic programming based symbolic regression is very versatile and can be adapted to many optimization problems. The heuristic-based algorithm allows for cost efficient optimization of complex tasks. We emphasize the ability of symbolic regression to yield white-box models. In contrast to black-box models, such models are accessible and interpretable which allows the usage of established tool chains. N2 - In der vorliegenden Arbeit nutzen wird symbolische Regression zur automatisierten Modellierung dynamischer Systeme. Symbolische Regression ist eine mächtige und vielseitige Methode, welche zur Daten-getriebenen Identifikation von mathematischen Ausdrücken geeignet ist. Insbesondere werden dabei Struktur und Parameter des gesuchten Ausdrucks parallel ermittelt. Zwei Varianten der symbolischen Regression werden im Rahmen dieser Arbeit in Betracht gezogen: sparse regression und symbolischer Regression basierend auf genetischem Programmieren. Beide Verfahren werden für die Identifikation, Vor- hersage und Regelung dynamischer Systeme angewandt. Wir führen eine neue Methodik zur Identifikation von dynamischen Systemen, welche eine spontane Änderung erfahren, ein. Die Änderung eines Modells, wel- ches mit Hilfe von sparse regression gefunden wurde, ist definiert als sparsamste Aktualisierung im Hinblick auf das Modell vor der Änderung. Diese Technik ist beispielhaft am chaotischem Lorenz System und dem van der Pol Oszillator demonstriert. Aspekte wie numerische Komplexität, Robustheit gegenüber Rauschen sowie Anforderungen an Anzahl von Datenpunkten werden untersucht. Wir zeigen wie symbolische Regression zur Zeitreihenvorhersage genutzt wer- den kann. Wir nutzen dem harmonischen Oszillator als Beispielmodell, um Aspekte wie Robustheit gegenüber Rauschen sowie die Konvergenzrate der Optimierung zu untersuchen. Mit Hilfe von Einbettungsverfahren demonstrieren wir die Vorhersage propagierenden Fronten in gekoppelten FitzHugh-Nagumo Oszillatoren. Außerdem betrachten wir die kommerzielle Stromproduktionsvorhersage von erneuerbaren Energien. Wir zeigen wie man diesbezügliche die numerische Wettervorhersage mittels symbolischer Regression verfeinern und zur Stromproduktionsvorhersage anwenden kann. Wir setzen symbolische Regression zur Regelung von Synchronisation in gekoppelten van der Pol Oszillatoren ein. Dabei untersuchen wir verschiedene Topologien und Kopplungen. Wir betrachten Aspekte wie Plausibilität und Stabilität der gefundenen Regelungsgesetze. Die Software wurde veröffentlicht und wird u. a. zur Turbulenzregelung eingesetzt. Symbolische Regression basierend auf genetischem Programmieren ist sehr vielseitig und kann auf viele Optimierungsprobleme übertragen werden. Der auf Heuristik basierenden Algorithmus erlaubt die effiziente Optimierung von komplexen Fragestellungen. Wir betonen die Fähigkeit von symbolischer Regression, sogenannte white-box Modelle zu produzieren. Diese Modelle sind – im Gegensatz zu black-box Modellen – zugänglich und interpretierbar. Dies ermöglicht das weitere Nutzen von etablierten Methodiken. KW - dynamical systems KW - symbolic regression KW - genetic programming KW - identification KW - prediction KW - control KW - Dynamische Systeme KW - Symbolische Regression KW - Genetisches Programmieren KW - Identifikation KW - Vorhersage KW - Regelung Y1 - 2018 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus4-419790 ER -