预设
参数
轨道·速度
显示
最大李雅普诺夫指数 (估计): 需2条或以上轨道
经过时间 t = 0.0
拖动旋转视点 | 滚动/捏动缩放
理论·主要公式
$$\frac{dx}{dt}= \sigma(y - x)$$
$$\frac{dy}{dt}= x(\rho - z) - y$$
$$\frac{dz}{dt} = xy - \beta z$$
数值积分：Runge-Kutta 4阶 (dt = 0.01)
洛伦兹吸引子与混沌
🙋
洛伦兹吸引子是什么？我听说它与"蝴蝶效应"有关。
🎓
简单说，它是由三个简单方程产生的，却描绘着极其复杂运动的轨迹。初始条件的微小差异会随时间呈指数增长，这就是"蝴蝶效应"——混沌理论的象征。在这个模拟器中，试试把"轨道数量"改成2，从几乎相同的位置开始绘制两条轨迹。最初它们重合，但很快就分道扬镳，这正是"蝴蝶效应"！
🎓
这就有意思了，参数能改变整个世界！例如，将默认的ρ=28用滑块降低到24.74以下（比如10），看看混沌的蝴蝶会消失，取而代之的是简单的周期运动。ρ是瑞利数，表示浮力强度，实际应用中相当于改变加热条件。超过某个阈值，流会变成乱流（混沌）——这个方程捕捉到了这个转变！
🎓
大有用处！这个模拟器使用的"RK4（四阶龙格-库塔）"数值积分法是汽车碰撞模拟、飞机颤振分析等实际CAE中计算时间演化的基础技术。此外，湍流的不规则行为背后隐含着与洛伦兹方程数学结构相似的混沌。通过改变参数观察行为变化，能帮助你直观理解非线性现象。
常见问题
增大ρ（瑞利数）使系统易于进入混沌状态，减小则收敛到周期解或不动点。σ（普朗特数）影响轨道的稳定性，β（纵横比）影响解的形状。请实时操作观察变化。
同时显示初始值略有不同的多条轨道，可以直观体验蝴蝶效应（初始条件敏感性）。在混沌状态下，最初几乎相同的轨道随时间会产生巨大偏离。
混沌状态中，轨道在某个区域内不规则运动，永远不重复相同的路径。周期解中，轨道描绘出闭合的环形。降低ρ值可以观察向周期解的相变。
某些参数会导致解不稳定，数值计算发散。特别是ρ值极大或时间步长不合适时容易发生。此时应将参数重置为初始值（σ=10, ρ=28, β=8/3）重试。
实际应用
气象与气候预报： 洛伦兹研究该方程的出发点就源于此。大气流动本质上是混沌的，长期预报的根本限制（蝴蝶效应）由此而来。这成为现代数值天气预报的理论基础。
湍流研究（CFD）： 管道内的流动、翼周围的分离流等湍流现象中存在复杂的秩序结构。低维混沌如洛伦兹系被用来理解湍流背后的决定论机制。
非线性振荡器与电路设计： 在具有特定非线性特性的电路和机械系统中，会出现类似洛伦兹系的混沌振荡。这被应用于保密通信，以及研究混沌抑制控制技术。
CAE数值分析技术： 该模拟器的核心RK4法被广泛用于汽车悬架振动、建筑物地震反应、机械部件疲劳寿命预测等各种随时间变化现象的模拟。
常见误解和注意点
首先，"混沌≠随机"。洛伦兹吸引子的轨道虽看似杂乱，但完全由确定的方程产生。初值相同，每次的轨道完全相同。这种"决定论混沌"的概念在实际应用中也很重要。例如，用相同条件运行两次CFD模拟却得到微妙不同的结果时，别急着说"这是混沌"——可能是网格细微差异或数值误差。
其次，了解参数的"安全区"和"危险区"。默认值（σ=10, ρ=28, β=8/3）是混沌显著的黄金参数，但若ρ过大（如40以上），轨道会发散导致计算失败。这与非线性分析中材料参数设置过极端而致求解器不收敛的情况相同。建议先用默认值运行，再以1或2的步长逐步改变ρ观察行为。
最后要理解，该模拟器是"可视化工具"而非"设计工具"。虽然实际CAE很少直接求解洛伦兹方程，但这里使用的RK4等数值积分法和对混沌行为的理解感受至关重要。例如在分析汽车悬架非线性振动时，初始条件的微小差异（乘员体重分布）如何导致长期运行后部件疲劳寿命的巨大差异——这种现象的分析基础就源于对混沌本质的理解。
具体计算示例
大气对流建模使用标准设置σ=10、ρ=28、β=8/3时，从初始位置（1,1,1）开始积分，约500步后x坐标在-15到+15范围内振荡。加入微小初值变化（x差0.001）后，100步时轨道完全分离，数值验证了蝴蝶效应。这正是洛伦兹1960年在气象学中发现的现象，也是天气预报不可预测性的根源。