5D Library › 集群动力学、耦合振子同步与分布式共识的数学模型 · English

第二章 千禧桥的摇晃与网络同步的主稳定函数

一座开放当天就摇晃的桥

证据

工程报告。 达拉德等人 2001 年在《结构工程师》上的报告记载:伦敦千禧人行桥于 2000 年 6 月 10 日开放,当天人群过桥时桥面出现了意料之外的横向晃动 (Dallard et al. 2001)。奥雅纳(Arup)的工程师调查后认为,行人施加的横向力与桥面自身的运动有关:桥一晃,行人为保持平衡而调整步态,这种调整又把能量送回桥上。报告指出这一现象并非该桥设计所独有,任何横向自振频率低于约 1.3 Hz 的桥,在人足够多时都可能发生;改造方案是加装流体黏滞阻尼器与调谐质量阻尼器,使阻尼超过临界阻尼的 20%,在样机上的试验与分析预测相符。

工程试验发现,晃动在桥上人数超过某个临界值时突然出现。这个临界人数在后来的文献中有不同的转述:伦奇与马尔凯贾尼引述达拉德等人的试验,说北跨的临界人数约为 155 人 (Lenci and Marcheggiani 2011);别雷赫等人以约 165 人作为观测值来校准他们的模型 (Belykh et al. 2017)。本书不采用单一数字,只说「约 155 至 165 人」。

斯特罗加茨等人的同步模型

斯特罗加茨、艾布拉姆斯、麦克罗比、埃克哈特与奥特 2005 年在《自然》上提出,千禧桥的晃动可以看成藏本(库拉莫托)同步的一个例子:桥是一个受迫的阻尼振子,每个行人是一个相位振子,桥的晃动把行人的步调拉向同步,同步的步伐又推动桥更大地晃动 (Strogatz et al. 2005)。模型写成 MẌ+BẊ+KX=G∑i=1Nsin⁡Θi,Θ̇i=Ωi+CAsin⁡(Ψ−Θi+α),M\ddot X + B\dot X + KX = G\sum_{i=1}^{N}\sin\Theta_i, \qquad \dot\Theta_i = \Omega_i + C A\sin(\Psi – \Theta_i + \alpha), 其中 XX 是桥的横向位移,MM、BB、KK 是该振型的模态质量、阻尼与刚度,GG 是每个行人横向力的幅值,Θi\Theta_i 是行人 ii 的步态相位(左右各迈一步为一周),Ωi\Omega_i 是他的自然步频,AA 与 Ψ\Psi 是桥振动的振幅与相位,CC 衡量行人对晃动的敏感程度,α\alpha 是相位滞后。他们取最简单的 α=π/2\alpha = \pi/2,CC 由拟合工程试验数据得到,约为 16m−1s−116\ \mathrm{m^{-1}s^{-1}}。埃克哈特等人 2007 年给出了更完整的分析 (Eckhardt et al. 2007)。

推导

临界人数的推导(本书按上述模型自行推导)。 令 X=Asin⁡ΨX = A\sin\Psi、Ψ=Ω0t+ψ\Psi = \Omega_0 t + \psi,Ω0=K/M\Omega_0 = \sqrt{K/M},在桥的一个振动周期上平均(桥的阻尼很小,AA 与 ψ\psi 变化缓慢),得到「慢变方程」: Ȧ=−B2MA+G2MΩ0∑isin⁡ϕi,ψ̇=−G2AMΩ0∑icos⁡ϕi,\dot A = -\frac{B}{2M}A + \frac{G}{2M\Omega_0}\sum_i \sin\phi_i, \qquad \dot\psi = -\frac{G}{2AM\Omega_0}\sum_i\cos\phi_i, ϕ̇i=Ωi−Ω0−ψ̇+CAcos⁡ϕi,ϕi=Θi−Ψ.\dot\phi_i = \Omega_i – \Omega_0 – \dot\psi + CA\cos\phi_i, \qquad \phi_i = \Theta_i – \Psi. 满足 |Ωi−Ω0−ψ̇|≤CA|\Omega_i – \Omega_0 – \dot\psi| \le CA 的行人锁定在 cos⁡ϕi=−(Ωi−Ω0−ψ̇)/(CA)\cos\phi_i = -(\Omega_i – \Omega_0 – \dot\psi)/(CA) 的稳定点上,那里 sin⁡ϕi>0\sin\phi_i > 0,即他向桥输入能量;未锁定的行人对 ∑sin⁡ϕi\sum\sin\phi_i 的时间平均贡献为零。AA 很小时,锁定者的贡献约为 NP(Ω0)CAπ/2N P(\Omega_0)\, CA\,\pi/2(PP 为步频分布密度),于是 Ȧ≈A[−B2M+πGCP(Ω0)N4MΩ0],Nc=2BΩ0πGCP(Ω0).\dot A \approx A\left[-\frac{B}{2M} + \frac{\pi G C P(\Omega_0) N}{4M\Omega_0}\right], \qquad N_c = \frac{2B\Omega_0}{\pi G C P(\Omega_0)}. 换一种说法:每个行人平均贡献了一份负阻尼 −πGCP(Ω0)/(2Ω0)-\pi GCP(\Omega_0)/(2\Omega_0),人数超过 NcN_c 时总阻尼变负,桥的晃动开始增长。

程序模拟上述慢变方程。北跨的模态质量 M=113,000M = 113{,}000 kg、刚度 4.73×1064.73\times10^6 N/m、阻尼 B=11,000B = 11{,}000 kg/s 是伦奇与马尔凯贾尼转引自斯特罗加茨等人的数值 (Lenci and Marcheggiani 2011),C=16m−1s−1C = 16\ \mathrm{m^{-1}s^{-1}} 取自斯特罗加茨等人;每人横向力幅值 G=30G = 30 N 与步频标准差 0.63 rad/s 是示意值。从 100 人开始,每 150 秒增加 10 人,直到 200 人;模拟 5 群随机抽取的行人,记录桥的振幅、行人的序参量 R=|⟨eiΘ⟩|R = |\langle e^{i\Theta}\rangle| 与锁定人数。

推导

# Millennium Bridge model of Strogatz et al. (2005), averaged ("slow-flow") form.
#   M X'' + B X' + K X = G sum_i sin(Theta_i)
#   Theta_i' = Omega_i + C A sin(Psi - Theta_i + a)
# With X = A sin(Psi), Psi = Omega0 t + psi and a = pi/2, averaging over one bridge cycle:
#   A'   = -(B / 2M) A + (G / 2 M Omega0) sum_i sin(phi_i),   phi_i = Theta_i - Psi
#   psi' = -(G / 2 A M Omega0) sum_i cos(phi_i)
#   phi_i' = Omega_i - Omega0 - psi' + C A cos(phi_i)
# Locked walkers inject energy; linear threshold N_c = 2 B Omega0 / (pi G C P(Omega0)).
# M, K, B: north-span values quoted by Lenci & Marcheggiani (2011) from Strogatz et al.;
# C = 16 /(m s) from Strogatz et al.; G = 30 N, SD(Omega) = 0.63 rad/s are ILLUSTRATIVE.
import math, random

M, KS, B, C, G, SD = 113000.0, 4.73e6, 11000.0, 16.0, 30.0, 0.63
W0 = math.sqrt(KS / M)

def crowd(n_max, seed=2000, hold=150.0, dt=0.05, step=10, n0=100):
    rng = random.Random(seed)
    nu = [rng.gauss(0, SD) for _ in range(n_max)]       # Omega_i - Omega0
    phi = [rng.uniform(-math.pi, math.pi) for _ in range(n_max)]
    A, rows = 0.001, []                                  # 1 mm of ambient motion
    for n in range(n0, n_max + 1, step):
        for _ in range(int(hold / dt)):
            s = sum(math.sin(p) for p in phi[:n]); c = sum(math.cos(p) for p in phi[:n])
            dpsi = -G * c / (2 * A * M * W0)
            A += dt * (-B / (2 * M) * A + G * s / (2 * M * W0))
            A = max(A, 1e-4)
            phi[:n] = [p + dt * (v - dpsi + C * A * math.cos(p))
                       for p, v in zip(phi[:n], nu[:n])]
        R = math.hypot(sum(math.cos(p) for p in phi[:n]), s) / n
        locked = sum(abs(v - dpsi) < C * A for v in nu[:n])
        rows.append((n, 1000 * A, R, locked))
    return rows

if __name__ == "__main__":
    P0 = 1 / (SD * math.sqrt(2 * math.pi))
    zeta = B / (2 * M * W0)
    print(f"Omega0 = {W0:.3f} rad/s ({W0 / (2 * math.pi):.3f} Hz), damping ratio"
          f" {100 * zeta:.2f} %, P(Omega0) = {P0:.3f} s")
    print(f"linear threshold N_c = 2 B Omega0 / (pi G C P) = "
          f"{2 * B * W0 / (math.pi * G * C * P0):.1f} walkers")
    runs = [crowd(200, seed=s) for s in range(5)]          # 5 independent crowds
    print("walkers  amplitude (mm): mean of 5 crowds [min - max]  walker order R  locked")
    for k, (n, *_rest) in enumerate(runs[0]):
        a = [r[k][1] for r in runs]; R = sum(r[k][2] for r in runs) / 5
        lk = sum(r[k][3] for r in runs) / 5
        print(f"   {n:3d}       {sum(a) / 5:6.2f}   [{min(a):6.2f} - {max(a):6.2f}]"
              f"                 {R:.3f}      {lk:5.1f}")
# Omega0 = 6.470 rad/s (1.030 Hz), damping ratio 0.75 %, P(Omega0) = 0.633 s
# linear threshold N_c = 2 B Omega0 / (pi G C P) = 149.1 walkers
# walkers  amplitude (mm): mean of 5 crowds [min - max]  walker order R  locked
#    100         2.37   [  1.04 -   4.47]                 0.117        7.6
#    110         2.33   [  0.49 -   5.68]                 0.079        6.4
#    120         4.30   [  0.98 -  11.23]                 0.159       14.0
#    130         8.44   [  1.89 -  16.82]                 0.193       26.2
#    140        12.98   [  1.08 -  27.22]                 0.292       38.0
#    150        17.40   [  2.49 -  33.35]                 0.292       51.6
#    160        22.09   [  2.17 -  38.78]                 0.327       63.2
#    170        28.49   [  3.29 -  47.94]                 0.384       82.0
#    180        40.66   [  5.75 -  56.68]                 0.547      119.6
#    190        53.71   [ 25.16 -  63.28]                 0.688      152.6
#    200        66.42   [ 62.03 -  69.13]                 0.792      181.0

在这些参数下,桥的横向频率为 1.030 Hz,阻尼比 0.75%,N→∞N \to \infty 时的临界人数为 149.1 人。这与工程上观察到的 155 至 165 人量级相同,但不能当作模型得到独立验证:CC 是拟合试验数据得到的,GG 与步频离散度是示意值,改变它们就会成比例地改变 NcN_c。

模拟显示了更值得注意的两点。第一,有限人群中没有锐利的阈值:100 人时 5 群行人的平均振幅已有 2.37 mm,150 人时为 17.40 mm,但 5 群之间相差很大(2.49 至 33.35 mm);到 200 人时平均 66.42 mm,5 群都在 62 mm 以上。第二,振幅与行人的同步一起增长:100 人时 R=0.117R = 0.117,接近随机水平;150 人时 0.292;200 人时 0.792,锁定人数从约 8 人增加到 181 人。在这个模型里,失稳之初只有一小部分行人锁定,它们提供的负阻尼足以让桥开始晃动,晃动再把更多的人拉入锁定。也就是说,即使在斯特罗加茨等人的同步模型中,「先全体同步、后桥摇晃」也不是正确的图像。

左:慢变模型中桥的横向振幅(灰线为 5 群行人,蓝线为平均)与行人序参量 R(金色点划线)随桥上人数的变化,虚线为 N \to \infty 的临界人数 149。右:第二节程序中几种网络的拉普拉斯特征值比 \lambda_N/\lambda_2(对数坐标),虚线为耦合逻辑斯谛映射可以同步的上限 3。

后来的批评

证据

同步是原因还是结果? 别雷赫、杰特与别雷赫 2017 年用基于生物力学的倒立摆步态模型研究这个问题,认为要出现千禧桥那样的大幅晃动,行人锁相是必要的,但初始的小幅晃动可能伴随着多次相位滑移与不同步的调整,「同步引发晃动」的通俗说法可能过于简化;他们的模型在约 165 人时失稳,并且人数减少到约 135 人时晃动才消失,存在滞后 (Belykh et al. 2017)。别雷赫、博奇安、尚普尼斯、戴利、杰特、麦克唐纳与麦克罗比 2021 年在《自然·通讯》上更进一步:不同步的行人在平均意义上就能给桥带来负阻尼,总阻尼可写成 cT=c0+Nσc_T = c_0 + N\sigma,临界人数为 Ncrit=−c0/σN_{\mathrm{crit}} = -c_0/\sigma;步调同步主要出现在失稳之后,是结果而不是原因 (Belykh et al. 2021)。

这两种解释在数学上并不冲突:本章的推导同样把临界条件写成「人均负阻尼乘以人数等于桥的阻尼」。分歧在于负阻尼来自哪里——来自锁相的少数人,还是来自每个行人为保持平衡而调整落脚点的平均效应。后者的结论更有工程意义:只要人数足够多,即使行人之间毫无协调,桥也可能失稳。

假说 · 尚未验证 · 摇晃先于同步

作者的推测(延续别雷赫等人 2021 年的观点):在横向频率低于约 1.3 Hz 的人行桥上逐步增加人数时,桥的振幅开始持续增长的时刻,早于行人步态序参量 RR 明显高于随机水平(例如超过 3/N3/\sqrt{N})的时刻。可以用带运动传感器的现场人群试验检验。如果在多数试验中 RR 先显著升高、振幅随后才增长,这个推测就是错的。

网络上的同步:主稳定函数

桥与行人是全局耦合的;许多系统的耦合则沿着网络进行。佩科拉与卡罗尔 1990 年证明,两个混沌系统可以同步 (Pecora and Carroll 1990);1998 年,他们提出了判断网络上相同振子能否同步的通用方法——主稳定函数 (Pecora and Carroll 1998)。

推导

主稳定函数。 设 NN 个相同的系统 ẋi=F(xi)−σ∑jLijH(xj)\dot x_i = F(x_i) – \sigma\sum_j L_{ij}H(x_j),LL 是网络的拉普拉斯矩阵(行和为 0),其特征值为 0=λ1<λ2≤…≤λN0 = \lambda_1 < \lambda_2 \le \dots \le \lambda_N。在同步态 x1=…=xN=s(t)x_1 = \dots = x_N = s(t) 附近线性化,并按 LL 的特征向量分解,每个横向模态满足 ξ̇k=[DF(s)−σλkDH(s)]ξk,k=2,…,N.\dot\xi_k = [DF(s) – \sigma\lambda_k DH(s)]\,\xi_k, \qquad k = 2, \dots, N. 这些方程形式相同,只是参数 α=σλk\alpha = \sigma\lambda_k 不同。把方程的最大李雅普诺夫指数记作 Λ(α)\Lambda(\alpha),这就是主稳定函数;同步态稳定当且仅当所有 Λ(σλk)<0\Lambda(\sigma\lambda_k) < 0。如果稳定区是无界区间 α>α1\alpha > \alpha_1,只需 σλ2>α1\sigma\lambda_2 > \alpha_1,加大耦合总能同步;如果稳定区是有界区间 (α1,α2)(\alpha_1, \alpha_2),就需要 σλ2>α1\sigma\lambda_2 > \alpha_1 且 σλN<α2\sigma\lambda_N < \alpha_2,存在合适的 σ\sigma 当且仅当 λNλ2<α2α1.\frac{\lambda_N}{\lambda_2} < \frac{\alpha_2}{\alpha_1}.

上面的比值条件直接由佩科拉与卡罗尔 1998 年的主稳定函数得到;把特征值比 λN/λ2\lambda_N/\lambda_2 作为比较不同网络「可同步性」的指标,是巴拉奥纳与佩科拉 2002 年的工作 (Barahona and Pecora 2002):他们发现在规则环上加入少量随机捷径会显著降低这个比值,小世界网络的可同步性与随机图相当。框架把这个判据归于佩科拉与卡罗尔 1998 年并不算错,但应补充 2002 年的来源;而且它只适用于稳定区有界的情形。比值大意味着两种失败方式:λ2\lambda_2 太小,网络像两块之间只有一根细线,慢模态不收敛;λN\lambda_N 太大,短波长的模态被过强的耦合推出稳定区。希吉、佩科拉与卡罗尔 1995 年指出了后一种「短波长分岔」:对规则环来说,振子数增加会使 λN/λ2\lambda_N/\lambda_2 变大,原本可以同步的环会因为加入更多振子而失去同步 (Heagy et al. 1995)。西川等人 2003 年进一步发现,度分布越不均匀,网络越难同步,即使它的平均路径更短——「异质性悖论」(Nishikawa et al. 2003)。阿雷纳斯等人 2008 年的综述总结了这些结果 (Arenas et al. 2008)。

一个精确可解的有界例子。 耦合逻辑斯谛映射 xi(t+1)=(1−e)f(xi)+eki∑j∼if(xj)x_i(t+1) = (1-e)f(x_i) + \frac{e}{k_i}\sum_{j\sim i} f(x_j),f(x)=4x(1−x)f(x) = 4x(1-x)。ff 的李雅普诺夫指数为 h=ln⁡2h = \ln 2,第 kk 个横向模态每步放大 |1−eλk|eh|1 – e\lambda_k|e^{h} 倍,λk\lambda_k 是归一化拉普拉斯矩阵 I−D−1AI – D^{-1}A 的特征值 (Jost and Joy 2002)。稳定要求 eλk∈(1/2,3/2)e\lambda_k \in (1/2, 3/2) 对所有 k≥2k \ge 2 成立,所以存在可同步的 ee 当且仅当 λN/λ2<3\lambda_N/\lambda_2 < 3。程序用雅可比方法求几种网络的特征值,算出可同步的 ee 区间(另要求 e≤1e \le 1,使 xx 留在 [0,1][0,1] 内),取使最坏模态放大倍数最小的 ee,再从同步态加上 10−710^{-7} 的扰动迭代 3000 步,检验预测。

推导

# Master stability function for coupled chaotic maps (an exactly solvable bounded case).
#   x_i(t+1) = (1 - e) f(x_i) + (e / k_i) sum_{j ~ i} f(x_j),   f(x) = 4 x (1 - x)
# Transverse mode k grows by |1 - e lambda_k| e^h, h = ln 2 (Lyapunov exponent of f), and
# lambda_k the eigenvalues of the normalised Laplacian. Stable iff e lambda_k lies in
# (1 - 1/2, 1 + 1/2) for all k >= 2: a window exists iff lambda_N / lambda_2 < 3.
import math, random

def jacobi_eigs(S, sweeps=60):              # eigenvalues of a symmetric matrix
    a = [row[:] for row in S]; n = len(a)
    for _ in range(sweeps):
        off = sum(a[i][j] ** 2 for i in range(n) for j in range(n) if i != j)
        if off < 1e-22: break
        for p in range(n - 1):
            for q in range(p + 1, n):
                if abs(a[p][q]) < 1e-15: continue
                t = (a[q][q] - a[p][p]) / (2 * a[p][q])
                t = (1 if t >= 0 else -1) / (abs(t) + math.sqrt(t * t + 1))
                c = 1 / math.sqrt(t * t + 1); s = t * c
                for k in range(n):
                    u, v = a[k][p], a[k][q]
                    a[k][p], a[k][q] = c * u - s * v, s * u + c * v
                for k in range(n):
                    u, v = a[p][k], a[q][k]
                    a[p][k], a[q][k] = c * u - s * v, s * u + c * v
    return sorted(a[i][i] for i in range(n))

def norm_lap(adj):              # I - D^-1/2 A D^-1/2, same spectrum as I - D^-1 A
    n = len(adj); d = [len(x) for x in adj]
    return [[(i == j) - (1 / math.sqrt(d[i] * d[j]) if j in adj[i] else 0.0)
             for j in range(n)] for i in range(n)]

def ring(n, k=1):
    return [{(i + s) % n for s in range(-k, k + 1) if s} for i in range(n)]

def graphs():
    rng = random.Random(7); sw, sw2 = ring(20, 2), ring(20, 2)
    for m, g in ((6, sw), (40, sw2)):        # random shortcuts
        for _ in range(m):
            i, j = rng.sample(range(20), 2); g[i].add(j); g[j].add(i)
    two = [set() for _ in range(20)]         # two complete 10-cliques joined by one edge
    for i in range(20):
        two[i] = {j for j in range(20) if j != i and (j < 10) == (i < 10)}
    two[0].add(10); two[10].add(0)
    star = [set(range(1, 20))] + [{0} for _ in range(19)]
    full = [set(range(20)) - {i} for i in range(20)]
    return [("ring N=5", ring(5)), ("ring N=6", ring(6)), ("ring N=20, k=2", ring(20, 2)),
            ("ring N=20, k=2 + 6 shortcuts", sw),
            ("ring N=20, k=2 + 40 shortcuts", sw2), ("two cliques + 1 bridge", two),
            ("star N=20", star), ("complete N=20", full)]

def sync_error(adj, e, steps=3000, seed=1):
    rng = random.Random(seed); x0 = rng.random()
    x = [x0 + 1e-7 * rng.uniform(-1, 1) for _ in adj]
    for _ in range(steps):
        fx = [4 * v * (1 - v) for v in x]
        x = [(1 - e) * fx[i] + e * sum(fx[j] for j in nb) / len(nb)
             for i, nb in enumerate(adj)]
    return max(x) - min(x)

if __name__ == "__main__":
    print("graph                          lam_2  lam_N  ratio  window for e   best e"
          " growth spread")
    for name, adj in graphs():
        lam = jacobi_eigs(norm_lap(adj)); l2, lN = lam[1], lam[-1]
        lo, hi = 0.5 / l2, min(1.0, 1.5 / lN)          # e <= 1 keeps x inside [0, 1]
        e = min(1.0, 2 / (l2 + lN))                     # minimises the worst mode
        g = 2 * max(abs(1 - e * l2), abs(1 - e * lN))   # per-step growth, worst mode
        win = f"({lo:.3f},{hi:.3f})" if lo < hi else "     none    "
        print(f"{name:30s} {l2:5.3f}  {lN:5.3f} {lN / l2:6.2f}  {win}  {e:5.3f}"
              f"  {g:5.3f}  {sync_error(adj, e):.0e}")
    print("spread = max - min of x after 3000 steps, from a 1e-7 perturbation of sync")
# graph                          lam_2  lam_N  ratio  window for e   best e growth spread
# ring N=5                       0.691  1.809   2.62  (0.724,0.829)  0.800  0.894  0e+00
# ring N=6                       0.500  2.000   4.00       none      0.800  1.200  5e-01
# ring N=20, k=2                 0.120  1.559  13.00       none      1.000  1.760  1e-01
# ring N=20, k=2 + 6 shortcuts   0.180  1.583   8.79       none      1.000  1.640  7e-01
# ring N=20, k=2 + 40 shortcuts  0.424  1.546   3.65       none      1.000  1.153  4e-01
# two cliques + 1 bridge         0.019  1.192  63.99       none      1.000  1.963  2e-01
# star N=20                      1.000  2.000   2.00  (0.500,0.750)  0.667  0.667  0e+00
# complete N=20                  1.053  1.053   1.00  (0.475,1.000)  0.950  0.000  0e+00
# spread = max - min of x after 3000 steps, from a 1e-7 perturbation of sync

预测与模拟完全一致:放大倍数小于 1 的网络(5 个振子的环、星形、完全图)扰动消失,最终离散为 0;放大倍数大于 1 的网络离散增长到 0.1 以上。三个结果值得注意。第一,「短波长分岔」:5 个振子的环比值为 2.62,可以同步;6 个振子的环比值为 4.00,不能。第二,捷径有帮助,但不一定足够:20 个振子、每人连左右各 2 人的环比值为 13.00,加 6 条随机捷径降到 8.79,加 40 条降到 3.65,仍然高于 3。由两个完全子图与一根桥组成的网络比值高达 63.99。第三,星形网络在归一化耦合(每个节点对邻居取平均)下比值为 2.00,可以同步;在不归一化的耦合下,星形网络的拉普拉斯特征值为 0,1,…,1,N0, 1, \dots, 1, N,比值等于 NN。异质性是否妨碍同步,取决于耦合是否按度归一化,这是比较不同网络时必须写明的建模选择。

本章小结

千禧桥的晃动可以用斯特罗加茨等人的同步模型描述,其临界人数 Nc=2BΩ0/(πGCP(Ω0))N_c = 2B\Omega_0/(\pi GCP(\Omega_0)) 等价于「人均负阻尼乘以人数等于桥的阻尼」;不同文献转述的观测临界人数在 155 到 165 之间。模型与后来的研究都表明,同步与晃动一起增长,晃动之初并不需要全体同步;2021 年的研究认为同步是失稳的结果。网络同步的主稳定函数方法把动力学与网络结构分开;λN/λ2\lambda_N/\lambda_2 判据由佩科拉与卡罗尔 1998 年的方法直接得到,巴拉奥纳与佩科拉 2002 年把它用作网络可同步性的指标,只在稳定区有界时适用,结果还取决于耦合是否归一化。下一章从振子转向会移动的个体。

参考文献

Arenas, Alex, Albert Díaz-Guilera, Jürgen Kurths, Yamir Moreno, and Changsong Zhou. 2008. “Synchronization in Complex Networks.” Physics Reports 469 (3): 93–153. https://doi.org/10.1016/j.physrep.2008.09.002.
Barahona, Mauricio, and Louis M. Pecora. 2002. “Synchronization in Small-World Systems.” Physical Review Letters 89 (5): 054101. https://doi.org/10.1103/PhysRevLett.89.054101.
Belykh, Igor, Mateusz Bocian, Alan R. Champneys, et al. 2021. “Emergence of the London Millennium Bridge Instability Without Synchronisation.” Nature Communications 12: 7223. https://doi.org/10.1038/s41467-021-27568-y.
Belykh, Igor, Russell Jeter, and Vladimir Belykh. 2017. “Foot Force Models of Crowd Dynamics on a Wobbly Bridge.” Science Advances 3 (11): e1701512. https://doi.org/10.1126/sciadv.1701512.
Dallard, Pat, A. J. Fitzpatrick, A. Flint, et al. 2001. “The London Millennium Footbridge.” The Structural Engineer 79 (22): 17–33.
Eckhardt, Bruno, Edward Ott, Steven H. Strogatz, Daniel M. Abrams, and Allan McRobie. 2007. “Modeling Walker Synchronization on the Millennium Bridge.” Physical Review E 75: 021110. https://doi.org/10.1103/PhysRevE.75.021110.
Heagy, James F., Louis M. Pecora, and Thomas L. Carroll. 1995. “Short Wavelength Bifurcations and Size Instabilities in Coupled Oscillator Systems.” Physical Review Letters 74 (21): 4185–88. https://doi.org/10.1103/PhysRevLett.74.4185.
Jost, Jürgen, and Maliackal Poulo Joy. 2002. “Spectral Properties and Synchronization in Coupled Map Lattices.” Physical Review E 65 (1): 016201. https://doi.org/10.1103/PhysRevE.65.016201.
Lenci, Stefano, and Laura Marcheggiani. 2011. “Critical Threshold and Underlying Dynamical Phenomena in Pedestrian-Induced Lateral Vibrations of Footbridges.” Journal of Mechanics of Materials and Structures 6 (7–8): 1031–51.
Nishikawa, Takashi, Adilson E. Motter, Ying-Cheng Lai, and Frank C. Hoppensteadt. 2003. “Heterogeneity in Oscillator Networks: Are Smaller Worlds Easier to Synchronize?” Physical Review Letters 91 (1): 014101. https://doi.org/10.1103/PhysRevLett.91.014101.
Pecora, Louis M., and Thomas L. Carroll. 1990. “Synchronization in Chaotic Systems.” Physical Review Letters 64 (8): 821–24. https://doi.org/10.1103/PhysRevLett.64.821.
Pecora, Louis M., and Thomas L. Carroll. 1998. “Master Stability Functions for Synchronized Coupled Systems.” Physical Review Letters 80 (10): 2109–12. https://doi.org/10.1103/PhysRevLett.80.2109.
Strogatz, Steven H., Daniel M. Abrams, Allan McRobie, Bruno Eckhardt, and Edward Ott. 2005. “Crowd Synchrony on the Millennium Bridge.” Nature 438 (7064): 43–44. https://doi.org/10.1038/438043a.

Fan, Y. (2026). Collective Dynamics, Coupled-Oscillator Synchrony and Distributed Consensus: From the Kuramoto Phase Transition and Vicsek Flocking to DeGroot Spectral Convergence, Read Beside Classical Chinese Thought on Harmony and Conformity [集群动力学、耦合振子同步与分布式共识的数学模型] (Version 1.0.0). 5D Library. https://doi.org/10.5281/zenodo.23828063 · Licensed under Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0).