Python对头发二维建模(考虑风力、重力)

目录

一、背景

二、代码


一、背景

数值方法被用于创建电影、游戏或其他媒体中的计算机图形。例如,生成“逼真”的烟雾、水或爆炸等动画。本文内容是对头发的模拟,要求考虑重力、风力的影响。

假设:
1、人的头部是一个半径为10厘米的球体。
2、每根头发都与球体的表面垂直相交。
3、作用在每根头发上的力包括重力(在-z方向上)和恒定的风力(在+x方向上)。

二、代码

#导入python包
import numpy as np
import matplotlib.pyplot as plt
import scipy.integrate
import scipy.optimize

def rhs_func_wrapper(f_x, f_g):
    '''
    输入:f_x风力、f_g重力
    输出:函数rhs_func,用于包装常微分方程
    '''
    def rhs_func(s, y):
        '''
        输入:
        s弧度(自变量)
        y即[角度θ,梯度u](因变量)
        
        '''
        theta = y[0]
        u = y[1]
        dyds = np.zeros_like(y)
        dyds[0] = u  #一阶导
        dyds[1] = s * f_g * np.cos(theta) + s * f_x * np.sin(theta) #二阶常微分方程,对应方程(3a)
        return dyds
    return rhs_func

def shot(u0, theta_0, L, rhs_func):
    '''
    解决边界值问题(BVP)
    返回:s弧长、y包含角度和梯度的数组、sol是OdeSolution对象,表示常微分方程的解(描述弧长s和角度θ之间关系)
    '''
    y0 = np.array([theta_0, u0])
    interval = [0, L] 
    solution = scipy.integrate.solve_ivp(rhs_func,  
                                         interval, #rhs_func中参数s的范围
                                         y0,  #初始条件
                                         max_step=1e-2, #设置步长
                                         dense_output=True)  #用于生成sol,可以用于在任意点插值解
    s, y, sol = solution.t, solution.y, solution.sol
    return s, y, sol

def shot_error_wrapper(theta_0, L, rhs_func):
    '''
    计算误差
    '''
    def shot_error(u0):
        s, y, sol = shot(u0, theta_0, L, rhs_func)
        phi = y[1, -1] #提取二维数组y中的梯度的最后一个元素,作为误差
        return phi

    return shot_error

def coordinate_rhs_func_wrapper(theta_s):
    '''
    计算头发坐标的导数
    输入:theta_s表示一个描述弧长s和角度θ之间关系的OdeSolution对象
    '''
    def coordinate_rhs_func(s, y):
        '''
        输入:弧长s、y表示坐标(x,z)
        '''
        dyds = np.zeros_like(y) #初始化一个与y相同大小的数组dyds,用于存储导数
        theta = theta_s(s)[0]  #计算弧长s对应的角度theta,通过调用theta_s(s)获取,并取得返回值的第一个元素
        dyds[0] = np.cos(theta)  #求导公式
        dyds[1] = np.sin(theta)  #求导公式
        return dyds

    return coordinate_rhs_func

def hair_bvp_2d(theta_0_list, L, R, f_x, f_g=0.1):
    '''
    输入:theta_0_list初始角度列表,L头发长度,R人头半径,f_x风力,f_g重力(默认为0.1)
    '''
    rhs_func = rhs_func_wrapper(f_x, f_g)
    x_list = [] #初始化两个空列表用于存储解
    z_list = []
    for theta_0 in theta_0_list:  #对于每根头发的初始角度theta_0进行以下步骤
        shot_error = shot_error_wrapper(theta_0, L, rhs_func)
        u0 = scipy.optimize.brentq(shot_error, -10, 10)  #在-10~10区间内找到误差最小的初始梯度u0
        s, y, sol = shot(u0, theta_0, L, rhs_func)
        coordinate_rhs_func = coordinate_rhs_func_wrapper(sol)
        y0 = np.array([R * np.cos(theta_0), R * np.sin(theta_0)])  #设置初始条件
        interval = [0, L]
        solution = scipy.integrate.solve_ivp(coordinate_rhs_func, interval, y0,
                                             max_step=1e-2)
        x_list.append(solution.y[0]) #402个横坐标
        z_list.append(solution.y[1]) #402个纵坐标
    x = np.array(x_list)
    z = np.array(z_list)

    return x, z

def plot_hairs(x, z, R, title):
    #画人头:半径为10的圆,颜色为blue
    theta_list = np.linspace(0, 2 * np.pi, 50)
    x_head = R * np.cos(theta_list)
    y_head = R * np.sin(theta_list)
    plt.plot(x_head, y_head, c='blue')
    #依次画每根头发,颜色为gray
    for i in range(x.shape[0]): 
        x_coords = x[i, :]
        z_coords = z[i, :]
        plt.plot(x_coords, z_coords, c='gray')
    
    ax = plt.gca()  #获取坐标轴实例
    ax.set_aspect(1) #纵横单位长度比例为1:1
    plt.xlabel('x') #横坐标名称
    plt.ylabel('z') #纵坐标名称
    plt.title(title) #图的名称
    plt.show()  #打印出来

if __name__ == "__main__":
    L = 4  #头发长度:4cm
    R = 10  #人的头部,半径10cm
    theta_0_list = np.linspace(0, np.pi, 20)  #0-π按20等分切分
    
    print('Task 1 - no gravity')
    x, z = hair_bvp_2d(theta_0_list, L, R, 0, 0)
    assert x.shape[0] == 20 and z.shape[0] == 20 and x.shape[1] == z.shape[1]  #断言,如果不满足条件,则中断程序
    plot_hairs(x, z, R, title='Task 1 - no gravity') #生成图像

    print('Task 2 - no wind')
    x, z = hair_bvp_2d(theta_0_list, L, R, 0)
    assert x.shape[0] == 20 and z.shape[0] == 20 and x.shape[1] == z.shape[1] 
    plot_hairs(x, z, R, title='Task 2 - no wind') 
    
    print('Task 3 - wind (f_x=0.1)')
    x, z = hair_bvp_2d(theta_0_list, L, R, 0.1)
    assert x.shape[0] == 20 and z.shape[0] == 20 and x.shape[1] == z.shape[1]
    plot_hairs(x, z, R, title='Task 3 - wind (f_x=0.1)')

运行结果:

无重力、无风力
有重力、无风力
有重力、有风力

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mfbz.cn/a/448185.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

python学习28

前言:相信看到这篇文章的小伙伴都或多或少有一些编程基础,懂得一些linux的基本命令了吧,本篇文章将带领大家服务器如何部署一个使用django框架开发的一个网站进行云服务器端的部署。 文章使用到的的工具 Python:一种编程语言&…

llc的基波分析法

对于我们之前分析的 LLC等效谐振电路的分析,其实我们发现分析的并不是完整的方波输入,而是用正弦波来分的 那么为何用基波来分析呢,因为对于方波而言,根据傅里叶级数它是可以分解成基波、 1次、3次、5次.......等各种奇次谐波的入…

《ElementPlus 与 ElementUI 差异集合》el-input 和 el-button 属性 size 有变化

差异 element-ui el-input 和 el-button 中,属性size 值是 medium / small / minielement-plus el-input 和 el-button 中,属性size 值是 ‘large’ | ‘default’ | ‘small’; 如果你是自动升级,Vue3 系统会有如下警告“ el-b…

NLP深入学习:结合源码详解 BERT 模型(一)

文章目录 1. 前言2. BERT 关键流程2.1 整体流程2.2 Pre-training(预训练)2.2.1 Masked Language Model (MLM)2.2.2 Next Sentence Prediction (NSP) 2.3 Fine-tuning(微调) 3. 总结4. 参考 1. 前言 BERT(Bidirectiona…

访问一次网站的全过程

目录 流程图: 一、应用层开始 1. 在浏览器输入https://www.baidu.com 2. DNS获取IP地址 3. 根据HTTP协议生成HTTP请求报文 应用层结束 二、传输层开始 4. TCP三次握手 传输层结束 三、网络层开始 5. IP寻址 6. ARP协议获取MAC地址 网络层结束 四、数据…

Linux中三次握手,四次挥手状态图,端口复用 半关闭状态,心跳包

tcp三次握手和四次挥手状态图: 为什么需要2MSL: 原因1:让四次挥手过程更加可靠,确保最后一个发送给对方的ACK到达;若对方没有收到ACK应答,对方会再次发送FIN请求关闭,此时在2MSL时间内被动关闭…

实际应用中运放里多余的引脚怎么处理?

实际应用中运放里多余的引脚怎么处理?-电子发烧友网 (elecfans.com)

Python实现图片(合并)转PDF

在日常的工作和学习过程当中,我相信很多人遇到过这样一个很普通的需求,就是将某一个图片转为PDF或者是将多个图片合并到一个PDF文件。但是,在苦苦搜寻一圈之后发现要么要下载软件,下载了还要注册,注册了还要VIP,甚至SVIP才能实现这样的需求! 今天,我带大家把这个功能打…

SSM整合项目(使用Vue3 + Element-Plus创建项目基础页面)

1.配置Vue启动端口 1.修改vue.config.js const {defineConfig} require(vue/cli-service) module.exports defineConfig({transpileDependencies: true }) module.exports {devServer: {port: 9999 //启动端口} }2.启动 2.安装Element Plus 命令行输入 npm install eleme…

css相邻元素边框重合问题,解决方案

1、如下图所示&#xff0c;在给元素设置边框后&#xff0c;相邻元素会出现重合的问题 2、解决方案 给每个元素设置margin-top以及margin-left为负的边框 <div style"width: 300px;display: flex;flex-wrap: wrap;margin-top: 50px;"><div style"border…

Python——读写属性

采用读写属性的目的就是把录入的数据控制在合理区间。 如&#xff1a;学生的年龄&#xff08;age&#xff09;&#xff0c;学生的身高&#xff08;height&#xff09;... 方法一&#xff1a;利用实例方法来控制 class Student:def __init__(self,name"",age0):self.…

docker离线搭建仓库

要在Docker中搭建本地仓库&#xff0c;可以按照以下步骤进行操作&#xff1a; 首先安装 Docker。根据不同的操作系统选择合适的版本并完成安装过程。打开命令行工具&#xff08;如Terminal或PowerShell&#xff09;&#xff0c;运行以下命令来创建一个新的容器并将其设置为本地…

基于yolov7与arduino的眼睛跟随模块

基于yolov7与arduino的眼睛跟随模块 整个模块的介绍摄像模块图片传输模块图像检测模块控制模块动力模块 整个模块的介绍 我们首先需要一个图片收集的模块来对当前的图片进行收集然后将图片传至服务端对图片中的眼睛利用YOLO进行检测最后将数据传至arduino使其控制动力模块来进…

物奇平台超距断连无蓝牙广播问题解决方法

是否需要申请加入数字音频系统研究开发交流答疑群(课题组)?可加我微信hezkz17, 本群提供音频技术答疑服务,+群赠送语音信号处理降噪算法,蓝牙耳机音频,DSP音频项目核心开发资料, 物奇平台超距断连无蓝牙广播问题解决方法 一 问题反馈 二解决方法: 1 运行流程分析 对应代…

【RabbitMQ】RabbitMQ的交换机

交换机类型 在上文中&#xff0c;都没有交换机&#xff0c;生产者直接发送消息到队列。而一旦引入交换机&#xff0c;消息发送的模式会有很大变化&#xff1a;可以看到&#xff0c;在订阅模型中&#xff0c;多了一个exchange角色&#xff0c;而且过程略有变化&#xff1a; Pub…

数据结构与算法第三套试卷小题

1.删除链表节点 **分析&#xff1a;**首先用指针变量q指向结点A的后继结点B&#xff0c;然后将结点B的值复制到结点A中&#xff0c;最后删除结点B。 2.时间复杂度的计算 **分析&#xff1a;**当涉及嵌套循环的时候&#xff0c;我们可以直接分析内层循环即可&#xff0c;看内…

小白优化Oracle的利器”sqltrpt.sql”脚本

SQL调优顾问是Oracle自带的一个功能强大的内部诊断工具&#xff0c;用于对性能不佳的SQL语句给出优化建议。但如果从命令行调用它比较麻烦&#xff0c;幸运的是&#xff0c;Oracle提供了一个方便的内置脚本“sqltrpt.sql”&#xff0c;简化了调用过程。 sqltrpt.sql脚本位于Or…

实践:qemu 运行 linux riscv with AIA(APLICIMSIC)

RISCV架构 Linux AIA支持 目标&#xff1a;在 Qemu 中运行一个支持 riscv aia 的 linux 翻译参考自&#xff1a;https://lwn.net/Articles/963231/ 文章日期&#xff1a;2024年2月22日&#xff0c;星期四&#xff08;截至2024年3月&#xff0c;最新&#xff09; 这个网站里在不…

EasyExcel导出自定义表格

谈到新技术&#xff0c;每个人都会有点恐惧&#xff0c;怕处理不好。确实&#xff0c;第一次使用新技术会遇到很多坑&#xff0c;这次使用 EasyExcel 这个新技术去做 excel 导出&#xff0c;还要给表格加样式&#xff0c;遇到不同的版本问题&#xff0c;遇到颜色加错了地方&…

JavaEE企业开发新技术2

目录 2.7 Field类的基本概念 文字性概念描述&#xff1a; Field类 2.8 Field的基本操作-1 2.9 Field的基本操作-2 分析&#xff1a; 2.10 Field 的综合练习 总结&#xff1a; 和equals的区别&#xff1a; 使用 比较 使用equals比较 2.7 Field类的基本概念 文字性…
最新文章