基于势能的平面运动模拟

运动模拟

接前面

递归调用——单向汉诺塔

里面说要讲Python解方程。Python还可以做数值计算进行物理现象的模拟。

七边形最小分割弦

等多篇都用到了公式。

F = m a F=ma F=ma

物体加速度的大小跟作用力成正比,跟物体的质量成反比,且与物体质量的倒数成正比;加速度的方向跟作用力的方向相同。 F 和 a F和a Fa的方向相同。

F = m a = m d 2 r d t 2 F = ma = m \frac{{{d^2}\ r}}{{d{t^2}}} F=ma=mdt2d2 r

a = Δ v / Δ t a = Δv/Δt a=Δvt得出上面的公式。模拟时用0.01秒距离的变化表示加速度。

F = k Q q r 2 r ^ F= k \frac{{Qq}}{{{r^2}}} \hat{r} F=kr2Qqr^

库仑定律(Coulomb’s law)是静止点电荷相互作用力的规律。1785年由法国科学家C,-A.de库仑根据实验得出,真空中两个静止的点电荷之间的相互作用力与它们的电荷量的乘积成正比,与它们的距离的二次方成反比,作用力的方向在它们的连线上,同名电荷相斥,异名电荷相吸。

代码

import numpy as np
import matplotlib.pyplot as plt
import math
#常数
Q = (((0.0,0.0),10.0),((5.0,-5.0),5.0))#电荷的位置和值
TIMELIMIT = 20.0 #模拟终止的时刻
RLIMIT = 0.1     #距离r的最小值
H = 0.01         #时刻的跨度
t = 0.0
#画出电荷的位置
for qi in Q:plt.plot(qi[0][0],qi[0][1],".")vx,vy,x,y = -2,-1,2,2
#当前时刻与位置
#print("{:.7f}{:.7f}{:.7f}{:.7f}{:.7f}".format(t,x,y,vx,vy))
#追加现在位置
xlist = [x]
ylist = [y]
#平面运动的计算
while t < TIMELIMIT:t = t + Hrmin = float("inf") #将距离最小值初始化for qi in Q:rx = qi[0][0] - x #计算距离rxry = qi[0][1] - y #计算距离ryr = math.sqrt(rx*rx + ry*ry) #计算距离rif r < rmin:rmin = r #更新距离的最小值vx += (rx/r/r/r*qi[1])*H#计算速度vxvy += (ry/r/r/r*qi[1])*H#计算速度vyx += vx*H #计算位置xy += vy*H #计算位置y#print("{:.7f}{:.7f}{:.7f}{:.7f}{:.7f}".format(t,x,y,vx,vy))#追加现在位置xlist.append(x)ylist.append(y)if rmin < RLIMIT:break #无限接近电荷时终止
#图表表示
plt.plot(xlist,ylist)
plt.show()

电荷的位置和值

一个10个电荷在原点,一个5个电荷在第四象限。
Q = ( ( ( 0.0 , 0.0 ) , 10.0 ) , ( ( 5.0 , − 5.0 ) , 5.0 ) ) Q = (((0.0,0.0),10.0),((5.0,-5.0),5.0)) Q=(((0.0,0.0),10.0),((5.0,5.0),5.0))

运动电荷的初始位置和速度

vx,vy,x,y = -2,-1,2,2

计算距离

r = math.sqrt(rxrx + ryry) #计算距离r

计算速度

vx += (rx/r/r/r*qi[1])*H#计算速度vx
这里连续除以三次r,应该是对应上面的库伦定理。

打印

打印的时刻,坐标,坐标方向的速度。截取了开头结尾的部分数据。
0.00000002.00000002.0000000-2.0000000-1.0000000
0.01000001.97991501.9899037-2.0084992-1.0096312
0.02000001.95974391.9797095-2.0171083-1.0194191
0.03000001.93948561.9694158-2.0258299-1.0293684
0.04000001.91913901.9590210-2.0346668-1.0394842
0.05000001.89870271.9485233-2.0436221-1.0497717

19.97000005.96697103.0464395-0.41700850.8300425
19.98000005.96278023.0547222-0.41908360.8282736
19.99000005.95856863.0629873-0.42115650.8265034
20.00000005.95433633.0712346-0.42322750.8247318

模拟

在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.xdnf.cn/news/4329.html

如若内容造成侵权/违法违规/事实不符,请联系一条长河网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot在线教育系统:数据分析与报告

4系统概要设计 4.1概述 本系统采用B/S结构(Browser/Server,浏览器/服务器结构)和基于Web服务两种模式&#xff0c;是一个适用于Internet环境下的模型结构。只要用户能连上Internet,便可以在任何时间、任何地点使用。系统工作原理图如图4-1所示&#xff1a; 图4-1系统工作原理…

Linux开发工具——make/Makefile

目录 一、什么是makefile&#xff1f; 二、为什么要有makefile&#xff1f; 三、makefile的使用 1.依赖关系与依赖方法 2.伪目标 3.定义变量 4.特殊符号 四、makefile的执行逻辑 一、什么是makefile&#xff1f; Makefile是一种自动化构建工具&#xff0c;make是一条指…

BC146 添加逗号

BC146 添加逗号 import java.util.Scanner;// 注意类名必须为 Main, 不要有任何 package xxx 信息 public class Main {public static void main(String[] args) {Scanner in new Scanner(System.in);String str in.next();StringBuilder s new StringBuilder(str);for(int …

【计算机视觉】深入浅出SLAM技术原理

引言 SLAM&#xff08;Simultaneous Localization and Mapping&#xff0c;同步定位与建图&#xff09;是机器人学和计算机视觉中的一个重要技术&#xff0c;它允许机器人在未知环境中自主导航&#xff0c;同时构建环境的地图并确定自身的精确位置。本文将详细介绍SLAM技术的基…

求平面连接线段组成的所有最小闭合区间

这个功能确实非常实用&#xff0c;我在过去开发地面分区编辑器时就曾应用过这一算法。最近&#xff0c;在新产品的开发中再次遇到了类似的需求。尽管之前已经实现过&#xff0c;但由于长时间未接触&#xff0c;对算法的具体细节有所遗忘&#xff0c;导致重新编写时耗费了不少时…

如何才能实时监测Mac的运行状态

实时监测Mac的运行状态&#xff0c;能够让我们更好的了解Mac的情况&#xff0c;因此如何才能监测Mac的运行状态很重要 State&#xff0c;实时监测你的Mac运行状态&#xff0c;能够直观的展示当前Mac的CPU、内存、硬盘、温度、风扇、网络信息以及开机时间等重要信息 除此之外&a…

强化学习介绍

目录标题 一、什么是强化学习二、强化学习的环境三、强化学习的目标四、强化学习中的数据从哪里来五、强化学习的独特性 一、什么是强化学习 强化学习是机器通过与环境交互来实现目标的一种计算方法。 机器和环境的一轮交互是指&#xff0c;机器在环境的一个状态下做一个动作决…

【算法】【优选算法】滑动窗口(上)

目录 一、滑动窗口简介二、209.⻓度最⼩的⼦数组2.1 滑动窗口2.2 暴力枚举 三、3.⽆重复字符的最⻓⼦串3.1 滑动窗口3.2 暴力枚举 四、1004.最⼤连续1的个数III4.1 滑动窗口4.2 暴力枚举 五、1658.将x减到0的最⼩操作数5.1 滑动窗口5.2 暴力枚举 一、滑动窗口简介 其实就是利用…

软考高级之系统架构师系列之构件开发模型

如标题所述&#xff0c;本文面向于软考高级&#xff0c;具体来说是系统架构师。 有些概念&#xff0c;如生命周期&#xff0c;开发的几个阶段&#xff0c;不同的教程有些许出入。 本文偏理论&#xff0c;要在理解的基础上加以记忆&#xff0c;用于应付软考&#xff0c;有些地…

机器人零位、工作空间、坐标系及其变换,以UR5e机器人为例

机器人中的主要坐标系 在机器人中&#xff0c;常用的坐标系包括&#xff1a; 基坐标系&#xff08;Base Frame&#xff09;&#xff1a;固定在机器人基座上的坐标系&#xff0c;用于描述机器人的整体位置和方向&#xff0c;是其他所有坐标系的参考点。 连杆坐标系&#xff08…

VMWARE ESXI VMFS阵列故障 服务器数据恢复

1&#xff1a;河南用户一台DELL R740 3块2.4T硬盘组的RAID5&#xff0c;早期坏了一个盘没有及时更换&#xff0c;这次又坏了一个&#xff0c;导致整组RAID5处于数据丢失的状态&#xff0c; 2&#xff1a;该服务器装的是VMware ESXI 6.7&#xff0c;用户把3块硬盘寄过来进行数据…

程序员开发速查表

作为一名苦逼的程序员&#xff0c;在开发的过程中&#xff0c;我们总是在各种编程语言中来回穿梭&#xff0c;忙完后端整前端&#xff0c;还得做一部分的运维工作&#xff0c;忙的我们有时候忘记语法&#xff0c;忘记编写规则&#xff0c;甚至混淆。这时候我们就希望有一个综合…

「Mac畅玩鸿蒙与硬件30」UI互动应用篇7 - 简易计步器

本篇将带你实现一个简易计步器应用&#xff0c;用户通过点击按钮增加步数并实时查看步数进度&#xff0c;目标步数为 10000 步。该项目示例展示了如何使用 Progress 组件和 Button 组件&#xff0c;并结合状态管理&#xff0c;实现交互式应用。 关键词 UI互动应用计步器Button…

直播系统搭建教程安装说明

需要安装的软件(宝塔【软件商店】中查找安装): 1.PHP7.0 ~ PHP7.3 需要安装的扩展:(宝塔【PHP管理】【安装扩展】中安装) *PDO PHP Extension * MBstring PHP Extension * CURL PHP Extension * Mylsqi PHP Extension * Redis PHP Extension * fileinfo PHP Extension …

@Async注解提升Spring Boot项目中API接口并发能力

文章目录 同步调用异步调用1: 启用异步支持2: 修改 Task 类异步回调基本概念使用 Future<String>使用 CompletableFuture<String>Future<String> 和 CompletableFuture<String>区别1. 基本概念2. 主要区别同步调用 同步调用是最直接的调用方式,调用方…

对齐自治 Aligned autonomy

对于有效的产品开发&#xff0c;我们想要的自主权不是 “随心所欲” &#xff0c;而是一种自主权&#xff0c;使团队能够自由行动&#xff0c;利用他们所有的能力朝着集体成果前进。这也称为“对齐自治”。 Aligned autonomy 2x2&#xff0c;来自 Spotify 的 Henrik Kniberg 工…

Spring Boot 与 Vue 共筑二手书籍交易卓越平台

作者介绍&#xff1a;✌️大厂全栈码农|毕设实战开发&#xff0c;专注于大学生项目实战开发、讲解和毕业答疑辅导。 &#x1f345;获取源码联系方式请查看文末&#x1f345; 推荐订阅精彩专栏 &#x1f447;&#x1f3fb; 避免错过下次更新 Springboot项目精选实战案例 更多项目…

物理验证Calibre LVS Debug案例之通过deleteEmptyModule解决LVS问题

上周帮助T12nm A55训练营学员debug一个Calibre LVS问题&#xff0c;小编觉得挺好的一个问题。这个问题之前没有遇到过&#xff0c;今天分享给大家。 数字IC后端先进工艺设计实现之TSMC 12nm 6Track工艺数字IC后端实现重点难点盘点 下图所示为Calibre LVS的报告。从报告中看到…

【系统面试篇】进程与线程类(2)(笔记)——进程调度、中断、异常、用户态、核心态

目录 一、相关面试题 1. 进程的调度算法有哪些&#xff1f; 调度原则 &#xff08;1&#xff09;先来先服务调度算法 &#xff08;2&#xff09;最短作业优先调度算法 &#xff08;3&#xff09;高响应比优先调度算法 &#xff08;4&#xff09;时间片轮转调度算法 &am…

这下热闹了:电商巨头粗暴杀入物流自动化领域

导语 大家好&#xff0c;我是社长&#xff0c;老K。专注分享智能制造和智能仓储物流等内容。 在全球物流行业竞争日趋白热化的今天&#xff0c;一向以互联网和电商见长的阿里巴巴集团旗下菜鸟&#xff0c;突然以一记重拳杀入物流自动化设备领域。 其自主研发的直线窄带分拣机不…