Hur man modellerar och simulerar tekniksystem med Numpy Scipy

Modellerings- och simuleringstekniksystem är viktiga uppgifter i teknikanalys. Användning av Python-bibliotek som NumPy och SciPy förenklar dessa processer genom att ge kraftfulla verktyg för numerisk beräkning och systemanalys. Denna artikel introducerar grundläggande metoder för att modellera och simulera tekniska system med dessa bibliotek.

Ställa in miljön

För att börja installera nödvändiga bibliotek om de inte redan är tillgängliga. Använd pip-kommandon för att installera NumPy och SciPy:

]pip installera numpy scipy

Modelleringstekniksystem

Ingenjörssystem kan ofta representeras med hjälp av matematiska modeller som differentialekvationer eller överföringsfunktioner. NumPy tillhandahåller verktyg för att skapa matriser och vektorer, medan SciPy erbjuder funktioner för att lösa ekvationer och simulera systemrespons.

Ett enkelt massspring-dampersystem kan till exempel modelleras med differentialekvationen:

m * x''' + c * x' + k * x = 0

Simuleringssystem

SciPys integrerade modul möjliggör lösen av differentialekvationer numeriskt. Funktionen "solve ivp" används vanligen för detta ändamål. Här är ett exempel på att simulera mass-spring-damper-systemet:

Definiera systemet som en funktion:

] utgör numpy som np

] från scipy.integrate import solve ivp

] def mass spring damper(t, y, c, k):

[y], - (c/m) * y[1] - (k/m) * y[0]

Ange initiala förhållanden och parametrar:

] initial conditions = [x0, v0]]

]]]t span = [0, 10]

Ring till lösaren:

]solution = solve ivp(mass spring damper, t span, initial conditions, args=(c, k))]

Analysera resultat

Efter simulering analyserar resultaten genom att konspirera systemets svar över tiden. Använd bibliotek som Matplotlib för att visualisera data:

]) Impportera matplotlib.pyplot som plt

]plt.plot(solution.t, Solution.y[0])

]]plt.xlabel('Time (s)')]

]]plt.ylabel('Displacement')

]]] plt.show(