利用matlab编程实现的声波的时域差分方程

2023-10-13 09:40

本文主要是介绍利用matlab编程实现的声波的时域差分方程,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

一、 声波方程的数值计算

网格离散

声波基本方程如下
∂ p ∂ t = − ρ c 2 ( ∂ v x ∂ x + ∂ v y ∂ y + ∂ v z ∂ z ) ∂ v z ∂ t = − 1 ρ ∂ p ∂ z \frac{\partial p}{\partial t}=-\rho c^{2}\left(\frac{\partial v_{x}}{\partial x}+\frac{\partial v_{y}}{\partial y}+\frac{\partial v_{z}}{\partial z}\right)\\ \\ \\ \frac{\partial v_{z}}{\partial t}=-\frac{1}{\rho} \frac{\partial p}{\partial z} tp=ρc2(xvx+yvy+zvz)tvz=ρ1zp
离散网格采用cartesian网格划分法,对于声压P、质点振速v,进行离散化得到:
p n ( i , j , k ) = p [ i Δ x , j Δ y , k Δ z , n Δ t ] \ {p^n}(i,j,k) = p[i\Delta x,j\Delta y,k\Delta z,n\Delta t] \,  pn(i,j,k)=p[iΔx,jΔy,kΔz,nΔt]
速度离散
v x n + 1 / 2 ( i − 1 / 2 , j , k ) = v x [ ( i − 1 / 2 ) Δ x , j Δ y , k Δ z , ( n + 1 / 2 ) Δ t ] v y n + 1 / 2 ( i , j − 1 / 2 , k ) = v x [ i Δ x , ( j − 1 / 2 ) Δ y , k Δ z , ( n + 1 / 2 ) Δ t ] v z n + 1 / 2 ( i , j , k − 1 / 2 ) = v x [ i Δ x , j Δ y , ( k − 1 / 2 ) Δ z , ( n + 1 / 2 ) Δ t ] \ v_x^{n + 1/2}(i - 1/2,j,k) = {v_x}[(i - 1/2)\Delta x,j\Delta y,k\Delta z,(n + 1/2)\Delta t]\\ v_y^{n + 1/2}(i,j - 1/2,k) = {v_x}[i\Delta x,(j - 1/2)\Delta y,k\Delta z,(n + 1/2)\Delta t]\\ v_z^{n + 1/2}(i,j,k - 1/2) = {v_x}[i\Delta x,j\Delta y,(k - 1/2)\Delta z,(n + 1/2)\Delta t]  vxn+1/2(i1/2,j,k)=vx[(i1/2)Δx,jΔy,kΔz,(n+1/2)Δt]vyn+1/2(i,j1/2,k)=vx[iΔx,(j1/2)Δy,kΔz,(n+1/2)Δt]vzn+1/2(i,j,k1/2)=vx[iΔx,jΔy,(k1/2)Δz,(n+1/2)Δt]
将振动速度和声压进行离散,然后把质点振动速度和声压进行在时间上相差半步进行抽样,进而实现空间,时间的四维模型中实现交替抽样。
将离散后的方程带入声波方程如下:
p n + 1 ( i , j , k ) = p n ( i , j , k ) − ρ c 2 ( i , j , k ) ⋅ Δ t ⋅ { 1 Δ x [ v x n + 1 / 2 ( i + 1 2 , j , k ) − v x n + 1 / 2 ( i − 1 2 , j , k ) ] + 1 Δ y [ v y n + 1 / 2 ( i , j + 1 2 , k ) − v y n + 1 / 2 ( i , j − 1 2 , k ) ] + 1 Δ z [ v z n + 1 / 2 ( i , j + 1 2 , k ) − v z n + 1 / 2 ( i , j − 1 2 , k ) ] } } v x n + 1 / 2 ( i − 1 2 , j , k ) = v x n − 1 / 2 ( i − 1 2 , j , k ) − Δ t ρ ⋅ Δ x [ p n ( i , j , k ) − p n ( i − 1 , j , k ) ] v y n + 1 / 2 ( i , j − 1 2 , k ) = v y n − 1 / 2 ( i , j − 1 2 , k ) − Δ t ρ ⋅ Δ y [ p n ( i , j , k ) − p n ( i , j − 1 , k ) ] v z n + 1 / 2 ( i , j , k − 1 2 ) = v z n − 1 / 2 ( i , j , k − 1 2 ) − Δ t ρ ⋅ Δ z [ p n ( i , j , k ) − p n ( i , j , k − 1 ) ] {{p^{n + 1}}(i,j,k) = {p^n}(i,j,k) - \rho {c^2}(i,j,k) \cdot \Delta t \cdot \left\{ {\frac{1}{{\Delta x}}\left[ {v_x^{n + 1/2}\left( {i + \frac{1}{2},j,k} \right) - v_x^{n + 1/2}\left( {i - \frac{1}{2},j,k} \right)} \right]} \right.} \\ {\left. {\left. { + \frac{1}{{\Delta y}}\left[ {v_y^{n + 1/2}\left( {i,j + \frac{1}{2},k} \right) - v_y^{n + 1/2}\left( {i,j - \frac{1}{2},k} \right)} \right] + \frac{1}{{\Delta z}}\left[ {v_z^{n + 1/2}\left( {i,j + \frac{1}{2},k} \right) - v_z^{n + 1/2}\left( {i,j - \frac{1}{2},k} \right)} \right]} \right\}} \right\}} \\ {} \\ {v_x^{n + 1/2}\left( {i - \frac{1}{2},j,k} \right) = v_x^{n - 1/2}\left( {i - \frac{1}{2},j,k} \right) - \frac{{\Delta t}}{{\rho \cdot \Delta x}}\left[ {{p^n}(i,j,k) - {p^n}(i - 1,j,k)} \right]} \\ {v_y^{n + 1/2}\left( {i,j - \frac{1}{2},k} \right) = v_y^{n - 1/2}\left( {i,j - \frac{1}{2},k} \right) - \frac{{\Delta t}}{{\rho \cdot \Delta y}}\left[ {{p^n}(i,j,k) - {p^n}(i,j - 1,k)} \right]} \\ {v_z^{n + 1/2}\left( {i,j,k - \frac{1}{2}} \right) = v_z^{n - 1/2}\left( {i,j,k - \frac{1}{2}} \right) - \frac{{\Delta t}}{{\rho \cdot \Delta z}}\left[ {{p^n}(i,j,k) - {p^n}(i,j,k - 1)} \right]} pn+1(i,j,k)=pn(i,j,k)ρc2(i,j,k)Δt{Δx1[vxn+1/2(i+21,j,k)vxn+1/2(i21,j,k)]+Δy1[vyn+1/2(i,j+21,k)vyn+1/2(i,j21,k)]+Δz1[vzn+1/2(i,j+21,k)vzn+1/2(i,j21,k)]}}vxn+1/2(i21,j,k)=vxn1/2(i21,j,k)ρΔxΔt[pn(i,j,k)pn(i1,j,k)]vyn+1/2(i,j21,k)=vyn1/2(i,j21,k)ρΔyΔt[pn(i,j,k)pn(i,j1,k)]vzn+1/2(i,j,k21)=vzn1/2(i,j,k21)ρΔzΔt[pn(i,j,k)pn(i,j,k1)]

时域差分方程是一种显式差分方程,在求解过程中,需要考虑算法的稳定性问题。在求解过程中的不稳定性表现为,随着时间步数的增加,计算结果也会无限制的增加。之前研究者们,对时间步长的限制条件进行了讨论,得出数值解是否稳定取决于时间步长和空间步长的关系。在非均匀媒介构成的空间中,需要进行合理的选择,得到时域有限差分的时间空间关系如下:
Δ t ⩽ 1 c max ⁡ ( 1 Δ x ) 2 + ( 1 Δ y ) 2 + ( 1 Δ z ) 2 \ \Delta t \leqslant \frac{1}{{{c_{\max }}\sqrt {{{\left( {\frac{1}{{\Delta x}}} \right)}^2} + {{\left( {\frac{1}{{\Delta y}}} \right)}^2} + {{\left( {\frac{1}{{\Delta z}}} \right)}^2}} }}\\  Δtcmax(Δx1)2+(Δy1)2+(Δz1)2 1
其中必须确定频率和步长的关系如下:
Δ s < = λ min ⁡ N \ \Delta s < = \frac{{{\lambda _{\min }}}}{N}\\  Δs<=Nλmin

设定非均匀区域为中间十字形状(简单设置非均匀区域),如果需要可以更加复杂非均匀区域的可以再设定一个密度或者振速矩阵,或者改成for循环,利用条件语句设定,如果需要联系我
代码如下:

clc;
clear;
global Nx Ny Nt dx dy dt
Nx=300; Ny=300; Nt=900;%设置采样点数,采样时间点数
dx=1e-4;    %x方向和Y方向的步长
dy=1e-4;     %空间步长
dt=1e-8;   %时间步长
f=1e6;      %激励频率
p=p_(1000,1000,1000,1000);   %均匀 pl(声速1,声速2,密度1,密度2)
p1=p_(1000,1000,1000,1500);  %非均匀
dp=p-p1;                     %二者差值 
for k=1:4:Nt
figure (1);
subplot(1,3,2);   
pcolor(p(:,:,k));
shading interp;
colormap('bone');
axis equal;axis([0,200,0,200]);title('圆形密度均匀30*30')subplot(1,3,1);
pcolor(p1(:,:,k));
shading interp;
colormap('bone');
axis equal;axis([0,200,0,200]);title('非均匀')subplot(1,3,3);
pcolor(dp(:,:,k));
shading interp;
colormap('bone');
axis equal;axis([0,200,0,200]);title('均匀')
end
function p=p_(c1,c2,q1,q2)
global Nx Ny Nt dx dy dt
Nx=300; Ny=300; Nt=900;%设置采样点数,采样时间点数
dx=1e-4;    %x方向和Y方向的步长
dy=1e-4;     %空间步长
dt=1e-8;   %时间步长
f=1e6;      %激励频率
%基础条件设定完成
ux=zeros(Nx,Ny,Nt);
uy=zeros(Nx,Ny,Nt);
p=zeros(Nx,Ny,Nt);
cx=zeros(Nx,Ny,Nt);
cy=zeros(Nx,Ny,Nt);
D=@(v)[0;(v(2:end-1)-v(1:end-2));0];
D1=@(v)[0,(v(2:end-1)-v(1:end-2)),0];
D2=@(v)[(v(2:end)-v(1:end-1)); 0];
D3=@(v)[(v(2:end)-v(1:end-1)),0];
for k=1:Nt-1p(100,100,k)=sin(2*pi*f*k*dt);  %中心声源点for j=1:Nxif (j-100)^2<=900c=c1;   q=q1;              else c=c2; q=q2;                %介质end      ux(:,j,k+1)=ux(:,j,k)-dt/(dx*q)*D(p(:,j,k));uy(j,:,k+1)=uy(j,:,k)-dt/(dy*q)*D1(p(j,:,k));cx(:,j,k+1)= D2(ux(:,j,k+1));cy(j,:,k+1)= D3(uy(j,:,k+1));endfor i=1:Nxfor j=1:Nxp(i,j,k+1)=p(i,j,k)-(q*c^2*dt*(cx(i,j,k+1)/dx+cy(i,j,k+1)/dy));endend
end                  
end

图像如下:
在这里插入图片描述
当然为了直观也可以画二维数值图像
代码如下:

figure (2)
for k=1:4:Nt
plot((p(100,:,k)));axis([0,200,-1,1]);
drawnow;
end

在这里插入图片描述
这是声波方程的时域差分的数值计算,通过在循环中改变密度速度来改变传播介质。此代码没有施加吸收边界,因此瞬态声波传导到边界后会发生反射。邮箱dynyanhao@163.com

这篇关于利用matlab编程实现的声波的时域差分方程的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/202324

相关文章

Java深度学习库DJL实现Python的NumPy方式

《Java深度学习库DJL实现Python的NumPy方式》本文介绍了DJL库的背景和基本功能,包括NDArray的创建、数学运算、数据获取和设置等,同时,还展示了如何使用NDArray进行数据预处理... 目录1 NDArray 的背景介绍1.1 架构2 JavaDJL使用2.1 安装DJL2.2 基本操

最长公共子序列问题的深度分析与Java实现方式

《最长公共子序列问题的深度分析与Java实现方式》本文详细介绍了最长公共子序列(LCS)问题,包括其概念、暴力解法、动态规划解法,并提供了Java代码实现,暴力解法虽然简单,但在大数据处理中效率较低,... 目录最长公共子序列问题概述问题理解与示例分析暴力解法思路与示例代码动态规划解法DP 表的构建与意义动

java父子线程之间实现共享传递数据

《java父子线程之间实现共享传递数据》本文介绍了Java中父子线程间共享传递数据的几种方法,包括ThreadLocal变量、并发集合和内存队列或消息队列,并提醒注意并发安全问题... 目录通过 ThreadLocal 变量共享数据通过并发集合共享数据通过内存队列或消息队列共享数据注意并发安全问题总结在 J

SpringBoot+MyBatis-Flex配置ProxySQL的实现步骤

《SpringBoot+MyBatis-Flex配置ProxySQL的实现步骤》本文主要介绍了SpringBoot+MyBatis-Flex配置ProxySQL的实现步骤,文中通过示例代码介绍的非常详... 目录 目标 步骤 1:确保 ProxySQL 和 mysql 主从同步已正确配置ProxySQL 的

JS 实现复制到剪贴板的几种方式小结

《JS实现复制到剪贴板的几种方式小结》本文主要介绍了JS实现复制到剪贴板的几种方式小结,包括ClipboardAPI和document.execCommand这两种方法,具有一定的参考价值,感兴趣的... 目录一、Clipboard API相关属性方法二、document.execCommand优点:缺点:

nginx部署https网站的实现步骤(亲测)

《nginx部署https网站的实现步骤(亲测)》本文详细介绍了使用Nginx在保持与http服务兼容的情况下部署HTTPS,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值... 目录步骤 1:安装 Nginx步骤 2:获取 SSL 证书步骤 3:手动配置 Nginx步骤 4:测

Idea实现接口的方法上无法添加@Override注解的解决方案

《Idea实现接口的方法上无法添加@Override注解的解决方案》文章介绍了在IDEA中实现接口方法时无法添加@Override注解的问题及其解决方法,主要步骤包括更改项目结构中的Languagel... 目录Idea实现接China编程口的方法上无法添加@javascriptOverride注解错误原因解决方

轻松上手MYSQL之JSON函数实现高效数据查询与操作

《轻松上手MYSQL之JSON函数实现高效数据查询与操作》:本文主要介绍轻松上手MYSQL之JSON函数实现高效数据查询与操作的相关资料,MySQL提供了多个JSON函数,用于处理和查询JSON数... 目录一、jsON_EXTRACT 提取指定数据二、JSON_UNQUOTE 取消双引号三、JSON_KE

MySql死锁怎么排查的方法实现

《MySql死锁怎么排查的方法实现》本文主要介绍了MySql死锁怎么排查的方法实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧... 目录前言一、死锁排查方法1. 查看死锁日志方法 1:启用死锁日志输出方法 2:检查 mysql 错误

CSS3中使用flex和grid实现等高元素布局的示例代码

《CSS3中使用flex和grid实现等高元素布局的示例代码》:本文主要介绍了使用CSS3中的Flexbox和Grid布局实现等高元素布局的方法,通过简单的两列实现、每行放置3列以及全部代码的展示,展示了这两种布局方式的实现细节和效果,详细内容请阅读本文,希望能对你有所帮助... 过往的实现方法是使用浮动加