无标题文章

import matplotlib.pyplot as plt

from matplotlib import animation

import numpy as np

from scipy.fftpack import rfft, irfft, fftfreq

class Guass_seidel:

 def __init__(self,L,dx,T,e):

 self.L = L

 self.dx = dx

 self.r = 0.25

 self.c = 300

 self.T = T

 self.dt = self.dx/(4*self.c)

 self.e = e 

 pass

 def initialization(self):

 self.string = []

 for i in range(int(self.T/self.dt)):

 self.string.append([])

 for j in range(int(self.L/self.dx)):

 self.string[i].append(0)

 for l in range(1,int(int(self.L/self.dx) - 1)):

 self.string[0][l] = np.e**(-0.1*(l - 30)**2) 

 self.string[0][1] = 0

 self.string[0][-2] = 0

 self.string[0][0] = - self.string[0][2]

 self.string[0][-1] = - self.string[0][-3]

 self.string[1] = self.string[0][:]

 #plt.plot(self.string[1])

 def calculation(self):

 M = int(self.L/self.dx)

 for i in range(2,int(self.T/self.dt)):

 for j in range(2,M-2):

 self.string[i][j] = (2 - 2*self.r**2 - 6*self.e*self.r**2*M**2)*self.string[i - 1][j] - self.string[i - 2][j] + self.r**2*(1 + 4*self.e*M**2)*(self.string[i-1][j+1]+self.string[i-1][j-1]) - self.e*self.r**2*M**2*(self.string[i-1][j+2]+self.string[i-1][j-2])

 #self.string[i][j] = 2*(1-self.r**2)*self.string[i - 1][j] - self.string[i - 2][j] + self.r**2*(self.string[i - 1][j + 1] +self.string[i - 1][j - 1])

 self.string[i][0] = -self.string[i][2]

 self.string[i][-1] = -self.string[i][-3]

 #plt.plot(self.string[-1])

 return self.string

 def fft(self):

 t_plot = np.arange(0,self.T,self.dt)

 amplitude_record = []

 for i in range(int(self.T/self.dt)):

 amplitude_record.append(self.string[i][20])

 freq = fftfreq(len(amplitude_record), d=self.dt)

 freq = np.array(abs(freq))

 f_signal = rfft(amplitude_record)

 f_signal = np.array(f_signal**2)

 #plt.subplot(122)

 plt.title('Power spectra')

 plt.ylabel('Power (arbitrary units)')

 plt.xlabel('Frequency (Hz)')

 plt.xlim(2000,8000)

 plt.plot(freq,f_signal,label = 'epsilon = '+str(self.e))

 return 0

A = Guass_seidel(1,0.01,0.05,0)

A.initialization()

A.calculation()

A.fft() 

# ---- animation ---------------------------------

fig = plt.figure(figsize = (8,6))

ax = plt.axes(xlim=(0, 1),ylim = (-1,1))

line, = ax.plot([], [], 'k')

def init():

 line.set_data([], [])

 return line, 

def animate(i):

 x_plot = np.arange(0.01,0.99,0.01)

 y_plot = []

 for j in range(1, int(A.L/A.dx) - 1):

 y_plot.append(data_record[i][j])

 line.set_data(x_plot,y_plot)

 return line,

anim = animation.FuncAnimation(fig, animate, init_func=init, frames=100, interval=50, blit=True)

anim.save('chapter6_string_guass_e.gif', fps=20, writer='Feng_Chen')

plt.show()
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,544评论 6 501
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,430评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,764评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,193评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,216评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,182评论 1 299
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,063评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,917评论 0 274
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,329评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,543评论 2 332
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,722评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,425评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,019评论 3 326
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,671评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,825评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,729评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,614评论 2 353

推荐阅读更多精彩内容