Python中过于僵硬的ODE

Question

我正在开发一种过于僵硬的Michaelis-Menten型系统（已经在Matlab中实现并发布，可以使用ode15s轻松解决）。我将其翻译为Python，但没有解决方案可以继续在集成中的第2步之后。 我试过了：

#time
t_start = -10
t_end = 12
t_step = 0.01

# Number of time steps: 1 extra for initial condition
num_steps = np.floor((t_end - t_start)/t_step) + 1
[...]
#integration

r = integrate.ode(JahanModel_ODE).set_integrator('lsoda', atol=1e-8,rtol=1e-6)

以及积分器：

 r = integrate.ode(JahanModel_ODE).set_integrator('vode',method='bdf', order=5)

具有不同的公差。

我得到的只是

  

UserWarning：lsoda：此次调用已完成的工作（可能是错误的Dfun   类型）。 '意外的istate =％s'％istate））

或

  

UserWarning：vode：此次调用已完成的工作量过多。 （也许是错误的MF。）   '意外的istate =％s'％istate））

我也为t_step尝试了不同的值。

这里似乎有一个令人满意的答案：Integrate stiff ODEs with Python，但链接不再起作用了，谷歌搜索表明lsoda已经优于LSODE。

编辑：这是完整的代码，没有绘图实例。 Gistlink