Matlab中调用Scipy求解刚性ODE系统的函数与参数传递问题

核心问题1：将Matlab ODE函数转为Python可调用对象 #

你之前的两种方法均不符合跨语言调用逻辑，正确做法是在Matlab中定义匹配Python求解器接口的包装函数，再转换为Python可调用对象：

1. 假设原Matlab ODE函数为 dydt = damper_rebo(t, y, amp, freq, pars)，先写一个适配Scipy接口的包装函数：

function dydt = py_damper_rebo(t, y, amp, freq, pars)
    dydt = damper_rebo(t, y, amp, freq, pars);
end

2. 无需使用不存在的py.function_handle，直接用Matlab的py.callable()将包装函数句柄转换为Python可调用对象。

核心问题2：传递额外参数（amp、freq、pars） #

Scipy求解器支持通过args参数传递额外参数，结合Matlab调用逻辑，有两种实现方式：

方式1：在Matlab中绑定参数后传递 #

% 初始化Python环境（若未初始化）
if ~py.isinitialized
    pyenv('Version','你的Python安装路径');
end

% 导入Scipy求解器
from scipy.integrate import solve_ivp;

% 定义求解基础参数
t_span = [0, 10];
y0 = [0, 0.1];
amp = 1.0;
freq = 2*pi;
pars = [0.5, 2.0];

% 用Matlab匿名函数绑定额外参数，匹配Scipy接口
py_ode_fun = @(t, y) py_damper_rebo(t, y, amp, freq, pars);
% 转换为Python可调用对象
py_callable_fun = py.callable(py_ode_fun);

% 调用LSODA方法求解
sol = solve_ivp(py_callable_fun, t_span, y0, 'method', 'LSODA');

方式2：通过Scipy的args参数传递 #

% 定义不绑定参数的包装函数句柄
py_ode_fun = @(t, y, amp, freq, pars) py_damper_rebo(t, y, amp, freq, pars);
py_callable_fun = py.callable(py_ode_fun);

% 调用时通过args传递额外参数
sol = solve_ivp(py_callable_fun, t_span, y0, 'method', 'BDF', 'args', {amp, freq, pars});

常见错误修正 #

• 错误1：用字符串形式定义lambda——lambda必须是Matlab的匿名函数对象，字符串无法被Python识别为可调用对象。
• 错误2：使用py.function_handle——Matlab中不存在该对象，正确转换工具是py.callable()。

高效替代方案：直接在Python中重写ODE函数 #

如果原Matlab函数逻辑不复杂，建议直接用Python重写函数，避免跨语言调用开销：

import numpy as np

def damper_rebo(t, y, amp, freq, pars):
    c, k = pars
    dy0 = y[1]
    dy1 = -c*y[1] - k*y[0] + amp*np.sin(freq*t)
    return [dy0, dy1]

在Matlab中导入该函数并调用：

py.damper_rebo = py.importlib.import_module('你的Python脚本文件名').damper_rebo;
sol = solve_ivp(py.damper_rebo, t_span, y0, 'method', 'LSODA', 'args', {amp, freq, pars});

内容的提问来源于stack exchange，提问作者Simon Luzara