典型参数方程曲线@摆线@星形线

2024-02-27 20:40

本文主要是介绍典型参数方程曲线@摆线@星形线,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!

文章目录

    • 旋轮线
      • 摆线
        • 性质
        • 方程推导
        • 参数方程
        • 普通方程
      • 星形线

旋轮线

  • ggb在线绘图
  • refs:摆线 (wikipedia.org)

摆线

  • 在数学中,摆线(Cycloid)被定义为,一个圆在一条直线上滚动时,圆边界上一定点所形成的轨迹。
    • 它是一般旋轮线的一种。摆线亦称圆滚线
    • 摆线也是最速降线问题和等时降落问题的解。
在这里插入图片描述在这里插入图片描述
在这里插入图片描述在这里插入图片描述
性质
  • 它的长度等于旋转圆直径的 4 倍。它的长度是 一个不依赖于π的有理数。
  • 在弧线下的面积,是旋转圆面积的三倍。
  • 圆上描出摆线的那个点,具有不同的速度——事实上,在特定的地方它甚至是静止的。
  • 当弹子从一个摆线形状的容器的不同点放开时,它们会同时到达底部。
方程推导
  • 在半径为 r r r的圆,从圆心 C C C y y y轴上的 C ( 0 , a ) C(0,a) C(0,a),取此时圆周上的点 A 0 ( 0 , 0 ) A_0(0,0) A0(0,0)作为观察点, y y y轴和初始位置圆的另一交点为 B 0 ( 0 , 2 a ) B_0(0,2a) B0(0,2a),在圆上分别标记这两点,在随着圆周滚动的过程中,圆心始终处于 y = a y=a y=a这一直线上

  • 容易确定最高点的纵坐标为 2 a 2a 2a;而圆的边缘和 x x x轴接触过的部分恰好是半个圆周,即 π r \pi{r} πr,此时 B 0 B_0 B0点位于 ( π r , 0 ) (\pi{r},0) (πr,0), A 0 A_0 A0位于摆线最高点 ( π r , 2 a ) (\pi{r},2a) (πr,2a)

  • 取摆线上的任一位置 A ( x , y ) A(x,y) A(x,y)将其和圆心 C ′ C' C连线,并作 C ′ Q ⊥ x C'Q\perp{x} CQx, C ′ Q C'Q CQ x x x轴与 Q Q Q点,

    • t = ∠ Q C ′ A t=\angle{QC'A} t=QCA

    • 显然 t : 0 → 2 π t:0\to{2\pi} t:02π时,摆线会走过刚好一个周期

  • 分别作 A ⊥ x A\perp{x} Ax交于 P P P, A ⊥ C ′ Q A\perp{C'Q} ACQ交于 D D D

    • A D AD AD= P Q PQ PQ= a sin ⁡ t a\sin{t} asint
    • x x x= O Q − P Q OQ-PQ OQPQ= A Q ⌢ \overset{\huge\frown}{AQ} AQ- P Q PQ PQ= t a − a sin ⁡ t ta-a\sin{t} taasint= a ( t − sin ⁡ t ) a(t-\sin{t}) a(tsint)
    • y y y= A P AP AP= D Q DQ DQ= C ′ Q − C ′ D C'Q-C'D CQCD= a − a cos ⁡ t a-a\cos{t} aacost= a ( 1 − cos ⁡ t ) a(1-\cos{t}) a(1cost)
参数方程
  • 综上:摆线的方程为 x = a ( t − sin ⁡ t ) x=a(t-\sin{t}) x=a(tsint)(1); y = a ( 1 − cos ⁡ t ) y=a(1-\cos{t}) y=a(1cost)(2)
普通方程
  • 这里利用公式 sin ⁡ ( arccos ⁡ t ) \sin(\arccos{t}) sin(arccost)= 1 − cos ⁡ 2 ( arccos ⁡ t ) \sqrt{1-\cos^{2}(\arccos{t})} 1cos2(arccost) = 1 − t 2 \sqrt{1-t^2} 1t2 (3)
    • 这里 arccos ⁡ t ∈ [ 0 , π ] \arccos{t}\in[0,\pi] arccost[0,π], sin ⁡ ( arccos ⁡ t ) ⩾ 0 \sin(\arccos{t})\geqslant{0} sin(arccost)0
  • 而由(2)可以解出 t t t= arccos ⁡ ( 1 − y a ) \arccos{(1-\frac{y}{a})} arccos(1ay),(4);代入(1),得 x x x= a ( arccos ⁡ ( 1 − y a ) − sin ⁡ ( arccos ⁡ ( 1 − y a ) ) ) a(\arccos{(1-\frac{y}{a})}-\sin(\arccos{(1-\frac{y}{a})})) a(arccos(1ay)sin(arccos(1ay)))= a arccos ⁡ ( 1 − y a ) − a 1 − ( 1 − y a ) 2 a\arccos{(1-\frac{y}{a})}-a\sqrt{1-(1-\frac{y}{a})^2} aarccos(1ay)a1(1ay)2 = a arccos ⁡ ( 1 − y a ) − y ( 2 a − y ) a\arccos{(1-\frac{y}{a})}-\sqrt{y(2a-y)} aarccos(1ay)y(2ay) (5)
  • 因此普通方程可以写成: x x x= a arccos ⁡ ( 1 − y a ) − y ( 2 a − y ) a\arccos{(1-\frac{y}{a})}-\sqrt{y(2a-y)} aarccos(1ay)y(2ay) (6),形式复杂,不如参数方程来得简单

星形线

  • 与摆线类似但不同,摆线沿着直线摆动,而星形线验证圆线内切的摆动

  • 参数方程

    • x = r cos ⁡ 3 t x=r\cos^{3}t x=rcos3t
    • y = r sin ⁡ 3 t y=r\sin^{3}t y=rsin3t
  • 普通方程

    • x 2 3 + y 2 3 x^{\frac{2}{3}}+y^{\frac{2}{3}} x32+y32= r 2 3 r^{\frac{2}{3}} r32

这篇关于典型参数方程曲线@摆线@星形线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/753547

相关文章

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

poj2505(典型博弈)

题意:n = 1,输入一个k,每一次n可以乘以[2,9]中的任何一个数字,两个玩家轮流操作,谁先使得n >= k就胜出 这道题目感觉还不错,自己做了好久都没做出来,然后看了解题才理解的。 解题思路:能进入必败态的状态时必胜态,只能到达胜态的状态为必败态,当n >= K是必败态,[ceil(k/9.0),k-1]是必胜态, [ceil(ceil(k/9.0)/2.0),ceil(k/9.

C++11第三弹:lambda表达式 | 新的类功能 | 模板的可变参数

🌈个人主页: 南桥几晴秋 🌈C++专栏: 南桥谈C++ 🌈C语言专栏: C语言学习系列 🌈Linux学习专栏: 南桥谈Linux 🌈数据结构学习专栏: 数据结构杂谈 🌈数据库学习专栏: 南桥谈MySQL 🌈Qt学习专栏: 南桥谈Qt 🌈菜鸡代码练习: 练习随想记录 🌈git学习: 南桥谈Git 🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈�

如何在页面调用utility bar并传递参数至lwc组件

1.在app的utility item中添加lwc组件: 2.调用utility bar api的方式有两种: 方法一,通过lwc调用: import {LightningElement,api ,wire } from 'lwc';import { publish, MessageContext } from 'lightning/messageService';import Ca

4B参数秒杀GPT-3.5:MiniCPM 3.0惊艳登场!

​ 面壁智能 在 AI 的世界里,总有那么几个时刻让人惊叹不已。面壁智能推出的 MiniCPM 3.0,这个仅有4B参数的"小钢炮",正在以惊人的实力挑战着 GPT-3.5 这个曾经的AI巨人。 MiniCPM 3.0 MiniCPM 3.0 MiniCPM 3.0 目前的主要功能有: 长上下文功能:原生支持 32k 上下文长度,性能完美。我们引入了

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

AI(文生语音)-TTS 技术线路探索学习:从拼接式参数化方法到Tacotron端到端输出

AI(文生语音)-TTS 技术线路探索学习:从拼接式参数化方法到Tacotron端到端输出 在数字化时代,文本到语音(Text-to-Speech, TTS)技术已成为人机交互的关键桥梁,无论是为视障人士提供辅助阅读,还是为智能助手注入声音的灵魂,TTS 技术都扮演着至关重要的角色。从最初的拼接式方法到参数化技术,再到现今的深度学习解决方案,TTS 技术经历了一段长足的进步。这篇文章将带您穿越时

如何确定 Go 语言中 HTTP 连接池的最佳参数?

确定 Go 语言中 HTTP 连接池的最佳参数可以通过以下几种方式: 一、分析应用场景和需求 并发请求量: 确定应用程序在特定时间段内可能同时发起的 HTTP 请求数量。如果并发请求量很高,需要设置较大的连接池参数以满足需求。例如,对于一个高并发的 Web 服务,可能同时有数百个请求在处理,此时需要较大的连接池大小。可以通过压力测试工具模拟高并发场景,观察系统在不同并发请求下的性能表现,从而

PR曲线——一个更敏感的性能评估工具

在不均衡数据集的情况下,精确率-召回率(Precision-Recall, PR)曲线是一种非常有用的工具,因为它提供了比传统的ROC曲线更准确的性能评估。以下是PR曲线在不均衡数据情况下的一些作用: 关注少数类:在不均衡数据集中,少数类的样本数量远少于多数类。PR曲线通过关注少数类(通常是正类)的性能来弥补这一点,因为它直接评估模型在识别正类方面的能力。 精确率与召回率的平衡:精确率(Pr

多路转接之select(fd_set介绍,参数详细介绍),实现非阻塞式网络通信

目录 多路转接之select 引入 介绍 fd_set 函数原型 nfds readfds / writefds / exceptfds readfds  总结  fd_set操作接口  timeout timevalue 结构体 传入值 返回值 代码 注意点 -- 调用函数 select的参数填充  获取新连接 注意点 -- 通信时的调用函数 添加新fd到