在 NumPy 中确定静态平衡#

在分析物理结构时,了解保持其稳定的力学至关重要。施加在地板、梁或任何其他结构上的力会产生反作用力和力矩。这些反应是抵抗运动而不破裂的结构。如果结构在施加力的情况下仍不移动,牛顿第二定律规定系统中所有方向的加速度和力之和必须为零。您可以使用 NumPy 数组来表示和解决这个概念。

你会做什么:#

  • 在本教程中,您将使用 NumPy 使用 NumPy 数组创建向量和矩

  • 解决涉及支撑结构的电缆和地板的问题

  • 编写 NumPy 矩阵来隔离未知数

  • 使用 NumPy 函数执行线性代数运算

你将学到什么:#

  • 如何使用 NumPy 表示点、向量和矩。

  • 如何求向量的法线

  • 使用 NumPy 进行矩阵计算

你需要什么:#

使用以下命令导入:

import numpy as np
import matplotlib.pyplot as plt

在本教程中,您将使用以下 NumPy 工具:

用牛顿第二定律求解平衡#

您的模型由承受力和力矩总和的梁组成。您可以开始用牛顿第二定律来分析这个系统:

\[\sum{\text{force}} = \text{mass} \times \text{acceleration}.\]

为了简化所看的示例,假设它们是静态的,并且有加速度\(=0\)。由于我们的系统存在于三个维度,请考虑在每个维度上施加的力。这意味着您可以将这些力表示为向量。对于,您得出相同的结论,这是由于在距物体质心一定距离处施加的力而产生的。

假设力\(F\)表示为三维向量

\[F = (F_x, F_y, F_z)\]

其中三个分量中的每一个都代表在每个相应方向上施加的力的大小。还假设向量中的每个分量

\[r = (r_x, r_y, r_z)\]

是力的每个分量的施加点与系统质心之间的距离。然后,力矩可以通过下式计算

\[r \times F = (r_x, r_y, r_z) \times (F_x, F_y, F_z).\]

从力矢量的一些简单示例开始

forceA = np.array([1, 0, 0])
forceB = np.array([0, 1, 0])
print("Force A =", forceA)
print("Force B =", forceB)
Force A = [1 0 0]
Force B = [0 1 0]

这定义forceA为一个大小为 1 的向量\(x\)方向和forceB大小为 1\(y\)方向。

将这些力量可视化可能有助于更好地理解它们如何相互作用。 Matplotlib 是一个带有可视化工具的库,可用于此目的。 Quiver 图将用于演示三维矢量,但该库也可用于二维演示

fig = plt.figure()

d3 = fig.add_subplot(projection="3d")

d3.set_xlim(-1, 1)
d3.set_ylim(-1, 1)
d3.set_zlim(-1, 1)

x, y, z = np.array([0, 0, 0])  # defining the point of application.  Make it the origin

u, v, w = forceA  # breaking the force vector into individual components
d3.quiver(x, y, z, u, v, w, color="r", label="forceA")

u, v, w = forceB
d3.quiver(x, y, z, u, v, w, color="b", label="forceB")

plt.legend()
plt.show()
../_images/a51e731a9af4f51ad003b1b80593b07ccfe259e6b7873320e4444864b904c01f.png

有两种力量从一个点发出。为了简化这个问题,您可以将它们相加来求出力的总和。请注意, 和forceA都是forceB三维向量,由 NumPy 表示为具有三个分量的数组。由于 NumPy 旨在简化和优化向量之间的运算,因此您可以轻松计算这两个向量的总和,如下所示:

forceC = forceA + forceB
print("Force C =", forceC)
Force C = [1 1 0]

力 C 现在充当代表 A 和 B 的单一力。您可以将其绘制出来以查看结果。

fig = plt.figure()

d3 = fig.add_subplot(projection="3d")

d3.set_xlim(-1, 1)
d3.set_ylim(-1, 1)
d3.set_zlim(-1, 1)

x, y, z = np.array([0, 0, 0])

u, v, w = forceA
d3.quiver(x, y, z, u, v, w, color="r", label="forceA")
u, v, w = forceB
d3.quiver(x, y, z, u, v, w, color="b", label="forceB")
u, v, w = forceC
d3.quiver(x, y, z, u, v, w, color="g", label="forceC")

plt.legend()
plt.show()
../_images/3d87177b50e44aed34aa1fe72f0fb284ae65a24e399794a0d40443ba029b40da.png

然而,目标是平衡。这意味着您希望力的总和为\((0, 0, 0)\)否则你的物体将会经历加速。因此,需要有另一种力量来抵消先前的力量。

你可以把这个问题写成\(A+B+R=0\), 和\(R\)是解决问题的反作用力。

在此示例中,这意味着:

\[(1, 0, 0) + (0, 1, 0) + (R_x, R_y, R_z) = (0, 0, 0)\]

碎成\(x\),\(y\), 和\(z\)组件这为您提供:

\[\begin{split}\begin{cases} 1+0+R_x=0\\ 0+1+R_y=0\\ 0+0+R_z=0 \end{cases}\end{split}\]

解决\(R_x\),\(R_y\), 和\(R_z\)给你一个向量\(R\)\((-1, -1, 0)\)

如果绘制出来,前面示例中看到的力应该被抵消。只有当没有力剩余时,系统才被认为处于平衡状态。

R = np.array([-1, -1, 0])

fig = plt.figure()

d3.set_xlim(-1, 1)
d3.set_ylim(-1, 1)
d3.set_zlim(-1, 1)

d3 = fig.add_subplot(projection="3d")

x, y, z = np.array([0, 0, 0])

u, v, w = forceA + forceB + R  # add them all together for sum of forces
d3.quiver(x, y, z, u, v, w)

plt.show()
../_images/1f829e2eb6e341ba70274f75be26526f4478395a8330364e993ca0a04bde4872.png

空图表示不存在外围力量。这表示系统处于平衡状态。

将平衡解为矩之和#

接下来让我们转向更复杂的应用程序。当力并非全部施加在同一点时,就会产生力矩。

与力类似,这些力矩的总和必须为零,否则将会经历旋转加速度。与力之和类似,这为空间中三个坐标方向中的每一个创建了一个线性方程。

一个简单的例子是施加到固定在地面上的固定杆上的力。杆子不动,因此必须施加反作用力。杆子也不旋转,因此它也一定会产生反作用力矩。求解反作用力和力矩。

假设在杆子底部上方 2m 处垂直施加 5N 的力。

f = 5  # Force in newtons
L = 2  # Length of the pole

R = 0 - f
M = 0 - f * L
print("Reaction force =", R)
print("Reaction moment =", M)
Reaction force = -5
Reaction moment = -10

寻找具有物理属性的值#

假设力不是垂直作用于横梁,而是通过一根也连接到地面的电线施加到我们的杆子上。考虑到这根绳子的张力,解决这个问题所需要做的就是这些对象的物理位置。

代表问题的图像

为了响应作用在杆上的力,底座产生 x 和 y 方向的反作用力以及反作用力矩。

将杆的底部表示为原点。现在,假设绳索在 x 方向上连接到地面 3m,并在 z 方向上连接到杆上 2m。

将空间中的这些点定义为 NumPy 数组,然后使用这些数组查找方向向量。

poleBase = np.array([0, 0, 0])
cordBase = np.array([3, 0, 0])
cordConnection = np.array([0, 0, 2])

poleDirection = cordConnection - poleBase
print("Pole direction =", poleDirection)
cordDirection = cordBase - cordConnection
print("Cord direction =", cordDirection)
Pole direction = [0 0 2]
Cord direction = [ 3  0 -2]

为了使用与力相关的这些向量,您需要将它们转换为单位向量。单位向量的大小为 1,仅表示力的方向。

cordUnit = cordDirection / np.linalg.norm(cordDirection)
print("Cord unit vector =", cordUnit)
Cord unit vector = [ 0.83205029  0.         -0.5547002 ]

然后,您可以将该方向与力的大小相乘,以找到力矢量。

假设绳索的张力为 5N:

cordTension = 5
forceCord = cordUnit * cordTension
print("Force from the cord =", forceCord)
Force from the cord = [ 4.16025147  0.         -2.77350098]

为了找到力矩,您需要力矢量和半径的叉积。

momentCord = np.cross(forceCord, poleDirection)
print("Moment from the cord =", momentCord)
Moment from the cord = [ 0.         -8.32050294  0.        ]

现在您需要做的就是找到反作用力和力矩。

equilibrium = np.array([0, 0, 0])
R = equilibrium - forceCord
M = equilibrium - momentCord
print("Reaction force =", R)
print("Reaction moment =", M)
Reaction force = [-4.16025147  0.          2.77350098]
Reaction moment = [0.         8.32050294 0.        ]

另一个例子

让我们看一个稍微复杂一点的模型。在此示例中,您将观察带有两根电缆和施加力的梁。这次您需要找到绳索的张力和梁的反作用力。(来源:工程师矢量力学:静力学,问题 4.106)

图片.png

定义距离a为3米

和以前一样,首先将每个相关点的位置定义为数组。

A = np.array([0, 0, 0])
B = np.array([0, 3, 0])
C = np.array([0, 6, 0])
D = np.array([1.5, 0, -3])
E = np.array([1.5, 0, 3])
F = np.array([-3, 0, 2])

根据这些方程,您首先用单位向量确定向量方向。

AB = B - C
AC = C - A
BD = D - B
BE = E - B
CF = F - C

UnitBD = BD / np.linalg.norm(BD)
UnitBE = BE / np.linalg.norm(BE)
UnitCF = CF / np.linalg.norm(CF)

RadBD = np.cross(AB, UnitBD)
RadBE = np.cross(AB, UnitBE)
RadCF = np.cross(AC, UnitCF)

这使您可以将作用在系统上的拉力 (T) 和反作用力 (R) 表示为

\[\begin{split}\left[ \begin{array} ~1/3 & 1/3 & 1 & 0 & 0\\ -2/3 & -2/3 & 0 & 1 & 0\\ -2/3 & 2/3 & 0 & 0 & 1\\ \end{array} \right] \left[ \begin{array} ~T_{BD}\\ T_{BE}\\ R_{x}\\ R_{y}\\ R_{z}\\ \end{array} \right] = \left[ \begin{array} ~195\\ 390\\ -130\\ \end{array} \right]\end{split}\]

和那些时刻

\[\begin{split}\left[ \begin{array} ~2 & -2\\ 1 & 1\\ \end{array} \right] \left[ \begin{array} ~T_{BD}\\ T_{BE}\\ \end{array} \right] = \left[ \begin{array} ~780\\ 1170\\ \end{array} \right]\end{split}\]

在哪里\(T\)是相应绳索的张力,\(R\)是各个方向上的反作用力。那么你只有六个方程:

\(\sum F_{x} = 0 = T_{BE}/3+T_{BD}/3-195+R_{x}\)

\(\sum F_{y} = 0 = (-\frac{2}{3})T_{BE}-\frac{2}{3}T_{BD}-390+R_{y}\)

\(\sum F_{z} = 0 = (-\frac{2}{3})T_{BE}+\frac{2}{3}T_{BD}+130+R_{z}\)

\(\sum M_{x} = 0 = 780+2T_{BE}-2T_{BD}\)

\(\sum M_{z} = 0 = 1170-T_{BE}-T_{BD}\)

您现在有五个未知数和五个方程,可以求解:

\(\ T_{BD} = 780N\)

\(\ T_{BE} = 390N\)

\(\ R_{x} = -195N\)

\(\ R_{y} = 1170N\)

\(\ R_{z} = 130N\)

包起来

您已经学习了如何使用数组来表示三维空间中的点、力和力矩。数组中的每个条目可用于表示分解为方向分量的物理属性。然后可以使用 NumPy 函数轻松操作这些。

附加应用程序#

同样的过程可以应用于动力学问题或任意数量的维度。本教程中完成的示例假设静态平衡中的三维问题。这些方法可以很容易地用于解决更多不同的问题。或多或少的维度需要更大或更小的数组来表示。在经历加速度的系统中,速度和加速度也可以类似地表示为矢量。

参考

  1. 工程师矢量力学:静力学(Beer & Johnston & Mazurek)

  2. NumPy 参考