Python光学仿真数值分析求解波动方程绘制波包变化图

 更新时间:2021年10月20日 14:02:01   作者:微小冷  
这篇文章主要为大家介绍了Python光学仿真通过数值分析求解波动方程并绘制波包变化图的示例详解,有需要的朋友可以借鉴参考下,希望能够有所帮助

波动方程数值解

波动方程是三大物理方程之一,也就是弦振动方程,其特点是时间与空间均为二阶偏导数。其自由空间解便是我们熟知的三角函数形式,也可以写成自然虚指数形式。

一般来说,既然有了精确的解析解,那也就没必要再去做不精确的数值模拟,但数值模拟的好处有两个,一是避免无穷小,从而在思维上更加直观;二是颇具启发性,对于一些解析无解的情况也有一定的处理能力。

对此,我们首先考虑一维波动方程

在这里插入图片描述

import numpy as np
import matplotlib.pyplot as plt
def set_y0(x,k,L):
    y = np.zeros_like(x)
    y[x<L] = np.sin(k*x[x<L])*np.sin(np.abs(x[x<L]*np.pi/L))
    return y

if __name__ == "__main__":
    x = np.linspace(0,10,1000)
    k = np.pi*2/1.064
    L = 5
    y = set_y0(x,k,L)

    plt.plot(x,y)
    plt.show()

其形状为

在这里插入图片描述

现考虑让这个光波在 [ 0 , L ] 范围内往返传播,在此采用Dirichlet边界条件,取

在这里插入图片描述

至此,我们得到了光场的所有信息,原则上可以预测这个波包的所有行为,其迭代过程为

def wave1d(x,t,k,L):
    dx = x[1]-x[0]
    dt = t[1]-t[0]
    d2 = (dt/dx)**2
    y = np.zeros([len(t),len(x)])
    y[0,:] = set_y0(x,k,L)
    y[1,:] = set_y0(x-dt,k,L)
    for n in range(2,len(t)):
        y[n] = 2*y[n-1] - y[n-2] - d2*2*y[n-1]
        y[n,1:] += d2*y[n-1,:-1]
        y[n,:-1] += d2*y[n-1,1:]
        #边界条件
        y[n,0] = 0
        y[n,-1] = 0   
    return y

由于 y y y是随时间变化的参量,现有的matplotlib.pyplot已经无法满足我们绘制动态图片的需求,所以引入animation来进行绘制,其代码为

import matplotlib.animation as animation
#输入时间,自变量,因变量,图题标记
def drawGif(t,x,ys,mark="time="):
    tAxis = np.linspace(0,len(t)-1,100).astype(int)
    fig = plt.figure()
    ax = fig.add_subplot(111,xlim=(0,10),ylim=(-1.5,1.5))
    ax.grid()
    line, = ax.plot([],[],lw=0.2)
    time_text = ax.text(0.1,0.9,'',transform=ax.transAxes)
    def init():
        line.set_data([],[])
        time_text.set_text("")
        return line, time_text   
    def animate(i):
        y = ys[i]
        line.set_data(x,y)
        time_text.set_text(mark+str(t[i]))
        return line, time_text
    # 动态图绘制命令
    # 输入分别为画图窗口,动画函数,动画函数输入变量,延时,初始函数
    ani = animation.FuncAnimation(fig, animate, tAxis,
        interval=200, init_func=init)
    #通过imagemagick引擎来保存gif
    ani.save('wave.gif',writer='imagemagick')
    plt.show()
if __name__ == "__main__":
    x = np.linspace(0,10,1000)
    t = np.linspace(0,12,2041)
    k = np.pi*2/1.064
    L = 5
    y = wave1d(x,t,k,L)
    drawGif(t,x,y)

得到结果为

在这里插入图片描述

这个图虽然很符合我们的预期,但有些物理过程并不清晰,我们不妨把初始波包设置为只有一个波峰的孤波

def set_y0(x,k,L):
    y = np.zeros_like(x)
    y[x<L] = np.sin(np.abs(x[x<L]*np.pi/L))
    return y

其图像为

在这里插入图片描述

我们可以清晰地看到,正弦波通过腔壁后,其震动方向发生了变化,此即半波损失。

以上就是Python光学仿真数值分析求解波动方程绘制波包变化图的详细内容,更多关于Python数值分析求解波动方程绘制波包变化图的资料请关注脚本之家其它相关文章!

相关文章

  • Python调用JavaScript代码的方法

    Python调用JavaScript代码的方法

    这篇文章主要介绍了Python调用JavaScript代码的方法,帮助大家在不同场景里,采用的最佳调用方式,提高程序的性能,感兴趣的朋友可以了解下
    2020-10-10
  • Python 二叉树的概念案例详解

    Python 二叉树的概念案例详解

    这篇文章主要介绍了二叉树的概念案例详解,本篇文章通过简要的案例,讲解了该项技术的了解与使用,以下就是详细内容,需要的朋友可以参考下
    2021-09-09
  • Python语法def语句及复杂用法实例探究

    Python语法def语句及复杂用法实例探究

    在 Python 中,def 是用于定义函数的关键字,本文将深入介绍def的用法和特点,详细说明如何定义函数、传递参数、返回值以及更复杂的用法
    2024-01-01
  • Django自带用户认证系统使用方法解析

    Django自带用户认证系统使用方法解析

    这篇文章主要介绍了Django自带用户认证系统使用方法解析,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,需要的朋友可以参考下
    2020-11-11
  • python中pyqtgraph知识点总结

    python中pyqtgraph知识点总结

    在本篇文章里小编给大家整理的是一篇关于python中pyqtgraph知识点总结内容,有兴趣的朋友们可以学习下。
    2021-01-01
  • 由Python运算π的值深入Python中科学计算的实现

    由Python运算π的值深入Python中科学计算的实现

    这篇文章主要介绍了由Python运算π的值深入Python中科学计算的实现,由简单的计算发散出各种算法的讲解,需要的朋友可以参考下
    2015-04-04
  • Python列表和集合的效率大比拼

    Python列表和集合的效率大比拼

    程序的运行效率分为两种:第一种是时间效率,第二种是空间效率,这篇文章主要介绍了Python列表和集合的效率对比,需要的朋友可以参考下
    2022-07-07
  • Python 计算机视觉编程进阶之OpenCV 图像锐化及边缘检测

    Python 计算机视觉编程进阶之OpenCV 图像锐化及边缘检测

    计算机视觉这种技术可以将静止图像或视频数据转换为一种决策或新的表示。所有这样的转换都是为了完成某种特定的目的而进行的,本篇我们来学习下如何对图像进行锐化处理以及如何进行边缘检测
    2021-11-11
  • opencv-python基本图像处理详解

    opencv-python基本图像处理详解

    这篇文章主要介绍了Python Opencv图像处理基本操作代码详解,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,需要的朋友可以参考下
    2021-08-08
  • python基于物品协同过滤算法实现代码

    python基于物品协同过滤算法实现代码

    这篇文章主要为大家详细介绍了python基于物品协同过滤算法实现代码,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
    2018-05-05

最新评论