欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Python算法繪制特洛伊小行星群實(shí)現(xiàn)示例

 更新時(shí)間:2021年10月19日 10:16:22   作者:微小冷  
這篇文章主要介紹了Python算法繪制特洛伊小行星群實(shí)現(xiàn)示例,這個(gè)小示例完成后非常的有意思也會(huì)使你在Python學(xué)習(xí)的道路上感到一絲絲小成就

書接上文

用Python搓一個(gè)太陽系
你們要的3D太陽系
3體人真的存在嗎
太長不看版

在這里插入圖片描述

在這里插入圖片描述

最小勢能點(diǎn)

在由兩個(gè)大質(zhì)量物體構(gòu)成的重力系統(tǒng)中,有一些特殊的區(qū)域會(huì)在兩個(gè)天體的頂級拉扯之下達(dá)到平衡,這些點(diǎn)就是拉格朗日點(diǎn)。而所謂平衡并非受力平衡,而是要求這個(gè)區(qū)域的物體會(huì)跟著雙星系統(tǒng)以相同的角速度運(yùn)動(dòng)。

在這里插入圖片描述

根據(jù)上帝是個(gè)胖子這個(gè)假定,狀態(tài)穩(wěn)定意味著低勢能。所以在解析求解拉格朗日點(diǎn)之前,我們可以試著畫出這個(gè)雙星系統(tǒng)的勢能分布。

在這里插入圖片描述

接下來搞一下太陽和木星:

在這里插入圖片描述

在這里插入圖片描述

可見木星在太陽的引力場下根本無法自己,但若把坐標(biāo)系調(diào)整一下,會(huì)看到木星雖小,卻還是有自己地盤的,畢竟也是有諸多衛(wèi)星的,這就意味著木星和太陽之間必然存在一些相對平衡的位置。

為了看得更加仔細(xì),取對數(shù)是個(gè)不錯(cuò)的方法

在這里插入圖片描述

import numpy as np
import matplotlib.pyplot as plt
from matplotlib import cm,ticker
R = 7.1492e7
M1,M2 = 1.9891e30, 1.8982e27
G = 6.67e-11
mu = M2/M1
R1,R2 = np.array([mu,1])/(1+mu)*R
x,y = np.meshgrid(
    np.arange(-0.5,1.5,1e-3)*R2
   ,np.arange(-1,1,1e-3)*R2)
H = -G*M1/np.sqrt((x+R1)**2+y**2)
H -= G*M2/np.sqrt((x-R2)**2+y**2)
H -= G*(M1+M2)*(x**2+y**2)/2/R**3
absH = np.abs(H)
absH[absH>1e14] = 1e14  #去除奇點(diǎn)
absH -= (np.min(absH)-1)
print(np.max(absH),np.min(absH))
plt.contourf(x,y,np.log(absH),50,alpha=0.75,
    cmap=cm.PuBu_r)
plt.show()

拉格朗日點(diǎn)

公式預(yù)警→_→

根據(jù)剛剛的圖可以看出,一般天體都會(huì)有一個(gè)屬于自己的私密區(qū)域,在這個(gè)區(qū)域里,別的天體的引力作用甚微,此區(qū)域即希爾球,拉格朗日點(diǎn)則是兩個(gè)天體希爾球的分界處。

在這里插入圖片描述

在極坐標(biāo)下,可得

在這里插入圖片描述

在這里插入圖片描述

在這里插入圖片描述

在這里插入圖片描述

對于木星來說,五個(gè)拉格朗日點(diǎn)一般默認(rèn)為

在這里插入圖片描述

特洛伊小行星群

在這里插入圖片描述

參考此前的太陽系行星位置,得到其三維圖

在這里插入圖片描述

from os import cpu_count
import numpy as np
from numpy.random import rand
import matplotlib.pyplot as plt
from matplotlib import animation
au,G,RE,ME = 1.48e11,6.67e-11,1.48e11,5.965e24
m = np.array([3.32e5,0.055,0.815,1,0.107,317.8])*ME*G
r = np.array([0,0.387,0.723,1,1.524,5.203])*RE
v = np.array([0,47.89,35.03,29.79,24.13,13.06])*1000
theta = rand(len(m))*np.pi*2
theta[-1] = 0   #木星初始角度為0
cTheta,sTheta = np.cos(theta), np.sin(theta)
xyz = r*np.array([cTheta, sTheta, 0*r])     #位置三分量
uvw = v*np.array([-sTheta, cTheta, 0*v])    #速度三分量
N_ast = 100
x_ast = xyz[0][-1]/2*(
    1+(np.random.rand(100)-0.5)*0.1)
y_ast = xyz[0][-1]/2*np.sqrt(3)*(
    1+(np.random.rand(100)-0.5)*0.1)
y_flag = np.random.rand(100)>0.5
y_ast = y_ast*(2*y_flag-1)
m_ast = rand(N_ast)*1e20
r_ast = np.sqrt(x_ast**2+y_ast**2)
v_ast = np.sqrt(G*3.32e5*ME/r_ast)  #小行星速度sqrt(GM/R)
theta = rand(N_ast)*np.pi*2
phi = (rand(N_ast)-0.5)*0.3     #給一個(gè)隨機(jī)的小傾角
cTheta,sTheta = x_ast/r_ast, y_ast/r_ast
cPhi,sPhi = np.cos(phi),np.sin(phi)
xyza = np.array([x_ast, y_ast, sPhi])
uvwa = v_ast*np.array([-sTheta*cPhi, cTheta*cPhi, sPhi])
name = "solar1.gif"
fig = plt.figure(figsize=(10,10))
ax = fig.add_subplot(projection='3d')
ax.grid()
ax.set_xlim3d([-5.5*RE,5.5*RE])
ax.set_ylim3d([-5.5*RE,5.5*RE])
ax.set_zlim3d([-5.5*RE,5.5*RE])
traces = [ax.plot([],[],[],'-', lw=0.5)[0] for _ in range(len(m))]
pts = [ax.plot([],[],[],marker='o')[0] for _ in range(len(m))]
pt_asts = [ax.plot([],[],[],marker='.',lw=0.2)[0] for _ in range(N_ast)]
N = 10000
dt = 3600*50
ts =  np.arange(0,N*dt,dt)
xyzs,xyzas = [],[]
for _ in ts:
    xyz_ij = (xyz.reshape(3,1,len(m))-xyz.reshape(3,len(m),1))
    r_ij = np.sqrt(np.sum(xyz_ij**2,0))
    xyza_ij = (xyz.reshape(3,1,len(m))-xyza.reshape(3,N_ast,1))
    ra_ij = np.sqrt(np.sum(xyza_ij**2,0))   
    for j in range(len(m)):
        for i in range(len(m)):
            if i!=j :
                uvw[:,i] += m[j]*xyz_ij[:,i,j]*dt/r_ij[i,j]**3
        for i in range(N_ast):
            uvwa[:,i] += m[j]*xyza_ij[:,i,j]*dt/ra_ij[i,j]**3    
    xyz += uvw*dt
    xyza += uvwa*dt
    xyzs.append(xyz.tolist())
    xyzas.append(xyza.tolist())
xyzs = np.array(xyzs).transpose(2,1,0)
xyzas = np.array(xyzas).transpose(2,1,0)
def animate(n):
    for i in range(len(m)):
        xyz = xyzs[i]
        traces[i].set_data(xyz[0,:n],xyz[1,:n])
        traces[i].set_3d_properties(xyz[2,:n])
        pts[i].set_data(xyz[0,n],xyz[1,n])
        pts[i].set_3d_properties(xyz[2,n])
    for i in range(N_ast):
        pt_asts[i].set_data(xyzas[i,0,n],xyzas[i,1,n])
        pt_asts[i].set_3d_properties(xyzas[i,2,n])
    return traces+pts+pt_asts
ani = animation.FuncAnimation(fig, animate, 
    range(1,N,100), interval=10, blit=True)
plt.show()
ani.save(name)

以上就是Python算法繪制特洛伊小行星群實(shí)現(xiàn)示例的詳細(xì)內(nèi)容,更多關(guān)于Python算法繪制特洛伊小行星群的資料請關(guān)注腳本之家其它相關(guān)文章!

相關(guān)文章

  • 使用Keras預(yù)訓(xùn)練模型ResNet50進(jìn)行圖像分類方式

    使用Keras預(yù)訓(xùn)練模型ResNet50進(jìn)行圖像分類方式

    這篇文章主要介紹了使用Keras預(yù)訓(xùn)練模型ResNet50進(jìn)行圖像分類方式,具有很好的參考價(jià)值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2020-05-05
  • python如何將自己的包上傳到PyPi并可通過pip安裝的方法步驟

    python如何將自己的包上傳到PyPi并可通過pip安裝的方法步驟

    本文主要介紹了python如何將自己的包上傳到PyPi并可通過pip安裝的方法步驟,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2022-05-05
  • Pandas字符串操作的各種方法及速度測試

    Pandas字符串操作的各種方法及速度測試

    這篇文章主要為大家介紹了Pandas字符串操作的各種方法及速度測試,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪
    2023-08-08
  • Python常用標(biāo)準(zhǔn)庫之os模塊功能

    Python常用標(biāo)準(zhǔn)庫之os模塊功能

    這篇文章主要介紹了Python常用標(biāo)準(zhǔn)庫之os模塊功能,os模塊的主要功能有系統(tǒng)相關(guān)、目錄及文件操作、執(zhí)行命令和管理進(jìn)程,其中的進(jìn)程管理功能主要是Linux相關(guān)的,此處不做討論,對Python標(biāo)準(zhǔn)庫os相關(guān)知識(shí)感興趣的朋友跟隨小編一起看看吧
    2022-11-11
  • python實(shí)現(xiàn)本地批量ping多個(gè)IP的方法示例

    python實(shí)現(xiàn)本地批量ping多個(gè)IP的方法示例

    這篇文章主要介紹了python實(shí)現(xiàn)本地批量ping多個(gè)IP的方法示例,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2019-08-08
  • Python PyQt5干貨滿滿小項(xiàng)目輕松實(shí)現(xiàn)高效摳圖去背景

    Python PyQt5干貨滿滿小項(xiàng)目輕松實(shí)現(xiàn)高效摳圖去背景

    PyQt5以一套Python模塊的形式來實(shí)現(xiàn)功能。它包含了超過620個(gè)類,600個(gè)方法和函數(shù)。本篇文章手把手帶你用PyQt5輕松實(shí)現(xiàn)圖片扣除背景,大家可以在過程中查缺補(bǔ)漏,提升水平
    2021-11-11
  • keras獲得model中某一層的某一個(gè)Tensor的輸出維度教程

    keras獲得model中某一層的某一個(gè)Tensor的輸出維度教程

    今天小編就為大家分享一篇keras獲得model中某一層的某一個(gè)Tensor的輸出維度教程,具有很好的參考價(jià)值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2020-01-01
  • 詳解python之配置日志的幾種方式

    詳解python之配置日志的幾種方式

    本篇文章主要介紹了詳解python之配置日志的幾種方式,小編覺得挺不錯(cuò)的,現(xiàn)在分享給大家,也給大家做個(gè)參考。一起跟隨小編過來看看吧
    2017-05-05
  • python 順時(shí)針打印矩陣的超簡潔代碼

    python 順時(shí)針打印矩陣的超簡潔代碼

    今天小編就為大家分享一篇python 順時(shí)針打印矩陣的超簡潔代碼,具有很好的參考價(jià)值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2018-11-11
  • VS2019+python3.7+opencv4.1+tensorflow1.13配置詳解

    VS2019+python3.7+opencv4.1+tensorflow1.13配置詳解

    這篇文章主要介紹了VS2019+python3.7+opencv4.1+tensorflow1.13配置詳解,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2020-04-04

最新評論