5.3 庞加莱截面与李雅普诺夫指数：混沌体检单

5.3 庞加莱截面与李雅普诺夫指数：混沌体检单

本节摘要：定义先行——庞加莱截面是在相空间切一张面、只记录轨道穿越点：连续轨道被压成点集，周期、准周期与混沌在截面上呈现为点、环与分形散点，一眼可辨。李雅普诺夫指数把"误差涨多快"压缩成一个数：λ 正即混沌，翻倍时间 = ln2/λ。本节给出两者的完整读法与可复现代码，把第三章的定性图鉴升级为定量体检单。

本节上承 3.4 的"误差翻倍账本"与 2.2 节的"频闪桥梁"：庞加莱截面正是流与映射之间的那座桥，而李雅普诺夫指数是账本里的利率。体检的逻辑仍是对照：周期轨道的体检单全是一，混沌的体检单全是无穷——下表先睹为快。

三种轨道的体检对照

给混沌做体检：截面怎么切、怎么读

切法：在相空间选一张不含轨道切线的面 Σ，每当轨道从约定一侧穿过 Σ，记下穿越点。无限长的连续轨道被压缩成有限维面上的点集——这就是"降一维看长期"。最常用的特例是频闪截面：对周期为 T 的强迫系统，每隔 T 拍一次快照，等价于在相位固定的位置切面。

读法四句诀：一个点，周期一；n 个点，周期 n；闭曲线，准周期（轨道在环面上绕，截面是一圈）；分形散点，混沌。点的排布还有二级信息：散点不是均匀雾而是有骨架（带、洞、层次）——那是吸引子的分形结构，4.1 节的盒计数维数可以直接在截面上量。

图：庞加莱截面构造示意

李雅普诺夫指数：误差的利率

定义：λ = lim(t→∞) (1/t)·ln(|δ(t)|/|δ₀|)，其中 δ(t) 是相邻轨道间距。λ>0 即指数分离（混沌），λ 的倒数给出"翻倍时间 ≈ ln2/λ"。直接跟踪 δ 会撞上两个障碍：饱和（间距涨到吸引子尺度就不涨了）与数值发散，实用算法是贝内坦重整化：每隔固定时间把间距拉回 d₀，只保留方向，把每段的 ln(增长) 记账累加，总账除以总时间就是 λ。账本如下：

import numpy as np

def f(s):
    x, y, z = s
    return np.array([10 * (y - x), x * (28 - z) - y, x * y - 8 * z / 3])

def rk4(s, dt=0.002):
    k1 = f(s); k2 = f(s + dt / 2 * k1)
    k3 = f(s + dt / 2 * k2); k4 = f(s + dt * k3)
    return s + dt / 6 * (k1 + 2 * k2 + 2 * k3 + k4)

s = np.array([1.0, 1.0, 1.0])
for _ in range(5000):                       # 丢弃暂态 10 个时间单位
    s = rk4(s)
d0 = 1e-8
s2 = s + np.array([d0, 0.0, 0.0])
acc, rounds, dt = 0.0, 4000, 0.002
for _ in range(rounds):
    s, s2 = rk4(s), rk4(s2)
    d = np.linalg.norm(s2 - s)
    acc += np.log(d / d0)
    s2 = s + (s2 - s) * (d0 / d)            # 拉回 d0，方向不动
print("最大李雅普诺夫指数 ≈", round(acc / (rounds * dt), 3))
​

结果：约 0.9——与文献值 0.906 在第二位吻合，3.4 节"每 0.77 个时间单位误差翻倍"的账本从此有了可复现的出处。变式：把参数调到 ρ=20（非混沌区），同一算法给出约 −0.05 的负值——体检单上的负号就是"轨道互相靠拢"的直接证据。

展开案例：受迫单摆的频闪体检

背景：受迫阻尼单摆 θ'' = −sin θ − q·θ' + A·cos(ω_d t) 是混沌研究的经典实验台；取 A=1.2、ω_d=2/3、q=0.5 这组知名参数。

操作：积分几百个驱动周期，在每个周期末（相位相同处）采样：

import numpy as np
from scipy.integrate import solve_ivp

A, wd, q = 1.2, 2 / 3, 0.5
def rhs(t, s):
    th, om = s
    return [om, -np.sin(th) - q * om + A * np.cos(wd * t)]

Td = 2 * np.pi / wd
sol = solve_ivp(rhs, [0, 4000 * Td], [0.5, 0.0], rtol=1e-10, dense_output=True)
n = np.arange(2000, 4000)
pts = sol.sol(n * Td)                        # 每个驱动周期末拍一次照
print("前六个截面点：")
print(np.round(pts[:, :6].T, 3))
​

结果：六个截面点彼此显著不同（摆角散布在若干弧度范围），且换初值重跑，散点的骨架形状不变。

解读：若系统锁定在周期一，六个点应完全重合（强迫周期即响应周期）；散点且骨架可复现，正是"混沌吸引子"的操作性定义——乱而有形。变式：把 A 降到 0.2，同一段代码给出的截面点收敛到固定几点——用同一把尺子量出了"增益调低、混沌退场"，这正是第六章结构工程里控制颤振的检查流程。

⚠️ 常见坑：估计 λ 时不做重整化，直接量长程间距——饱和效应会把 0.906 矮化成 0.1 量级的假象；同样，截面点不丢弃暂态会把吸引域的"过渡轨迹"也记进点集，图样被污染。

💡 关键直觉：庞加莱截面与李雅普诺夫指数是同一件事的几何面与数字面——截面告诉你"点集长什么样"，指数告诉你"点集为什么长成这样"。报告混沌时两者一起给，缺一个都算体检没做完。

本节要点回顾

• 读法四句诀：一点周期一、n 点周期 n、闭线准周期、散点混沌；散点骨架即吸引子肖像。
• 贝内坦算法：暂态丢弃 + 定期重整化 + 对数记账，二十行算出 λ≈0.9。
• 频闪截面是强迫系统的标准体检位：采样时刻与驱动同相，节拍外的一切都被滤掉。
• λ 的工程转译：翻倍时间 ln2/λ 直接折算预测时限与数据同步步长。

到此为止系统方程都是已知的。最后一节翻过来：只有一段数据，能不能把方程读出来。