如何使用python模拟一个考虑阻尼系数的弹簧振动系统的运动/数值模拟（含代码）

hrDJP

已于 2024-05-25 16:29:00 修改

阅读量533

点赞数 4

文章标签： python 数学建模开发语言

于 2024-05-25 16:16:17 首次发布

本文链接：https://blog.csdn.net/hrDJP/article/details/139196670

版权

一：基础知识

胡克定理： $F = -(K(X_{1}-X_{0}))=-k\Delta x$
牛顿第二定律： $F_{2}-F_{1} = Ma$
阻尼公式： $F = B*V$ ，其中B为阻力系数，是与速度有关的公式

二：内容简介

通过python代码创建弹簧震动系统的运动模型。分析一个简单的数学建模模型，可以为复杂的建模提供思路

三：分析

模型可视化：时间和Δx的关系曲线图

要呈现整个弹簧的运动过程，相对位移Δx最能体现弹簧能力衰竭的过程。

任意i时刻公式分析：

$-k\Delta x-B*V_{i}=ma$

四：代码思路

1、输入初始条件：

弹簧末端物体的重量mass，弹簧初始位移initial_displacemnt，弹簧初始速度nitial_velocity，时间的间隔（时间步长）time_step，总步数num_steps,弹簧弹性系数spring_constant，弹簧阻尼系数damping_coefficient。

2、在任意时刻：

根据 $-k\Delta x_{i-1}-B*V_{i-1}=ma_{i}$ 得加速度 $a_{i}$

根据 $v_{i} = v_{i-1}+a*d_{t}$ 得速度 $v_{i}$

根据 $\Delta x_{i} = \Delta x_{i-1} + v * d_{t}$ 得位移量（带方向） $\Delta x_{i}$

时间可由时间间隔和时间步长求得

3、将任意时刻的时间和 $\Delta x_{i}$ 添加到x轴和y轴，用matplotlib绘图

五：具体代码如下（关注即可复制下载）

如果代码不能复制粘贴，可关注抖音：yibinfuzi，私信免费获取。

def spring_simulation(mass, spring_constant, damping_coefficient, initial_displacement, initial_velocity, num_steps, time_step):
    displacements = np.zeros(num_steps)
    velocities = np.zeros(num_steps)
    accelerations = np.zeros(num_steps)
    #初始化
    displacements[0] = initial_displacement
    velocities[0] = initial_velocity

    for i in range(1, num_steps):
        # 计算加速度
        accelerations[i] = (-spring_constant * displacements[i-1] - damping_coefficient * velocities[i-1]) / mass

        # 更新速度和位移
        velocities[i] = velocities[i-1] + accelerations[i] * time_step
        displacements[i] = displacements[i-1] + velocities[i] * time_step

    return displacements

# 模拟参数
mass = 1.0  # 质量（kg）
spring_constant = 10.0  # 弹簧常数（N/m）
damping_coefficient = 0.5  # 阻尼系数（Ns/m）
initial_displacement = 1.0  # 初始位移（m）
initial_velocity = 0.0  # 初始速度（m/s）
num_steps = 1000  # 模拟步数
time_step = 0.01  # 时间步长（s）

# 进行弹簧振动系统模拟
displacements = spring_simulation(mass, spring_constant, damping_coefficient, initial_displacement, initial_velocity, num_steps, time_step)

# 绘制位移随时间变化的图像
time = np.arange(0, num_steps * time_step, time_step)
plt.plot(time, displacements)
plt.xlabel('Time (s)')
plt.ylabel('Displacement (m)')
plt.title('Spring Oscillation Simulation')
plt.grid(True)
plt.show()

结果展示：

time_step越低，则曲线越光滑，精度也越高。纵坐标是相对未受力弹簧的形变量

六：总结

可以自定义迭代多少步，数据点使用list = np.zeros(num_steps)收集
建模的重点是对已知方程的解析。分析出一个对任意时刻都通用的公式。类似数学统计法，经由一个表达式（已知方程） $S_{n}$ ，推导出一个公式在i=0，i=1处都适用，则该公式就是适用任意时刻（位移）处的通式。
建模首先需要确定模型展示方式。即确定图形横纵坐标的意义。