用python模拟天体运动(二体运动与天体轨道稳定问题)

2024-03-19 16:52

本文主要是介绍用python模拟天体运动(二体运动与天体轨道稳定问题),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!

目录

1. 模拟天体运动的代码

2. 运行效果

3. 非平方反比(轨道稳定性问题)


1. 模拟天体运动的代码

接下来我们将用python模拟实现天体运动

以下是我们所需要的库:

import matplotlib.pyplot as plt  
import matplotlib.animation as animation  
import numpy as np  

我们定义常量:

G = 6.67430e-11               # 引力常数
p = 2                         # 引力定律
dt = 3600*24                  # 时间步长
Earth_mass = 5.972e24         # 地球质量
Sun_mass = 1.989e30           # 太阳质量
Earth_position = (1.496e11, 0)# 地球位置
Sun_position = (0, 0)         # 太阳位置# 宇宙第一速度,宇宙第二速度
v_orbit = np.sqrt(G*Sun_mass/np.sqrt((Earth_position[0])**2 + ((Earth_position[1]))**2))
v_escape = np.sqrt(2)*v_orbit# 地球速度
#Earth_velocity = (0, v_orbit)
#Earth_velocity = (0, v_escape)
Earth_velocity = (0, 29784.6)

为了方便计算,我们定义一个行星类

class Planet:  def __init__(self, name, mass, initial_position=(0, 0), initial_velocity=(0, 0)):  self.name = name  self.loc = np.array(initial_position)  # 使用NumPy数组来存储位置  self.v = np.array(initial_velocity)  # 使用NumPy数组来存储速度  self.a = np.array([0, 0])  # 加速度  self.force = np.array([0, 0])  # 作用力  self.m = mass  # 行星的质量  self.trail = []  # 存储轨迹点的列表  def update_location(self, dt, other_planet):  # 计算两行星之间的距离  r_val = np.linalg.norm(np.array(self.loc) - np.array(other_planet.loc))  # 计算引力  self.force = G * self.m * other_planet.m / r_val ** (p) * (other_planet.loc - self.loc) / r_val  # 更新加速度  self.a = self.force / self.m  # 更新速度  self.v += self.a * dt  # 更新位置  self.loc += self.v * dt  # 将当前位置添加到轨迹列表中  self.trail.append(self.loc.tolist()) 

行星类的实例化

# 初始化太阳和地球  
Sun = Planet("Sun", Sun_mass, Sun_position)  
Earth = Planet("Earth", Earth_mass, Earth_position, Earth_velocity)  # 初始化模拟和图形  
fig, ax = plt.subplots()  # 绘制太阳  
sun_scatter, = ax.plot(Sun.loc[0], Sun.loc[1], 'yo')  # 初始化地球的位置  
earth_scatter, = ax.plot(Earth.loc[0], Earth.loc[1], 'bo')  # 初始化地球的轨迹  
trail, = ax.plot([], [], 'b-')

模拟行星运动:

# 设置坐标轴限制  
ax.set_xlim(-3e11, 3e11)  
ax.set_ylim(-3e11, 3e11)  
ax.set_aspect('equal', adjustable='box')  # 动画更新函数  
def update(frame):  # 更新地球的位置  Earth.update_location(dt, Sun)  # 更新地球的位置散点  earth_scatter.set_data(Earth.loc[0], Earth.loc[1])  # 更新地球的轨迹  trail.set_data([x[0] for x in Earth.trail], [x[1] for x in Earth.trail])  # 返回更新后的对象列表  return sun_scatter, earth_scatter, trail,  # 创建动画  
ani = animation.FuncAnimation(fig, update, frames=np.arange(0, 365*24*3600, 3600),  interval=1, blit=True)  # 显示图形  
plt.show()

2. 运行效果

可以看到,地球的运行轨迹还是非常接近正圆的。

我们稍微改变一下参数,让地球的速度变慢些和变快血,得到:

3. 非平方反比(轨道稳定性问题)

根据理论力学,我们知道,只有引力是符合平方反比定律或正比于距离的时候天体的轨道才有可能是稳定且闭合的。如果不是平方反比,而是2.1次方反比和1.9次方反比定律呢?

事实上,它们的图像都是这样的形势的。(不知道为什么图片变扁了)。有趣的是,行星始终在一个环形区域内运动。而这个轨道是稠密的,也就是说,只要时间足够,行星就能够与该环形区域内的任意一点无限接近。当且仅当 1<p<3时成立。其中 F = G M m / r^p

这篇关于用python模拟天体运动(二体运动与天体轨道稳定问题)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/826659

相关文章

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

好题——hdu2522(小数问题:求1/n的第一个循环节)

好喜欢这题,第一次做小数问题,一开始真心没思路,然后参考了网上的一些资料。 知识点***********************************无限不循环小数即无理数,不能写作两整数之比*****************************(一开始没想到,小学没学好) 此题1/n肯定是一个有限循环小数,了解这些后就能做此题了。 按照除法的机制,用一个函数表示出来就可以了,代码如下

hdu1043(八数码问题,广搜 + hash(实现状态压缩) )

利用康拓展开将一个排列映射成一个自然数,然后就变成了普通的广搜题。 #include<iostream>#include<algorithm>#include<string>#include<stack>#include<queue>#include<map>#include<stdio.h>#include<stdlib.h>#include<ctype.h>#inclu

【C++】_list常用方法解析及模拟实现

相信自己的力量,只要对自己始终保持信心,尽自己最大努力去完成任何事,就算事情最终结果是失败了,努力了也不留遗憾。💓💓💓 目录   ✨说在前面 🍋知识点一:什么是list? •🌰1.list的定义 •🌰2.list的基本特性 •🌰3.常用接口介绍 🍋知识点二:list常用接口 •🌰1.默认成员函数 🔥构造函数(⭐) 🔥析构函数 •🌰2.list对象

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

usaco 1.2 Transformations(模拟)

我的做法就是一个一个情况枚举出来 注意计算公式: ( 变换后的矩阵记为C) 顺时针旋转90°:C[i] [j]=A[n-j-1] [i] (旋转180°和270° 可以多转几个九十度来推) 对称:C[i] [n-j-1]=A[i] [j] 代码有点长 。。。 /*ID: who jayLANG: C++TASK: transform*/#include<

购买磨轮平衡机时应该注意什么问题和技巧

在购买磨轮平衡机时,您应该注意以下几个关键点: 平衡精度 平衡精度是衡量平衡机性能的核心指标,直接影响到不平衡量的检测与校准的准确性,从而决定磨轮的振动和噪声水平。高精度的平衡机能显著减少振动和噪声,提高磨削加工的精度。 转速范围 宽广的转速范围意味着平衡机能够处理更多种类的磨轮,适应不同的工作条件和规格要求。 振动监测能力 振动监测能力是评估平衡机性能的重要因素。通过传感器实时监

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

缓存雪崩问题

缓存雪崩是缓存中大量key失效后当高并发到来时导致大量请求到数据库,瞬间耗尽数据库资源,导致数据库无法使用。 解决方案: 1、使用锁进行控制 2、对同一类型信息的key设置不同的过期时间 3、缓存预热 1. 什么是缓存雪崩 缓存雪崩是指在短时间内,大量缓存数据同时失效,导致所有请求直接涌向数据库,瞬间增加数据库的负载压力,可能导致数据库性能下降甚至崩溃。这种情况往往发生在缓存中大量 k

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学