Как визуализировать коллективное поведение самодвижущегося стержня в двумерном пространстве?

Вопрос или проблема

Несколько самоподвижных стержней (моделируемых с использованием нечётного числа соединённых твердых сфер) с фиксированной скоростью перемещения движутся в среде (2D) с тремя различными диффузионными константами для вращательной и трансляционной диффузий (x и y), каждый стержень имеет разную ориентацию. Когда две сферы от двух различных стержней попадают в определённый радиус взаимодействия, на них начинает действовать сила взаимодействия, которая возникает из потенциала Леннард-Джонса, который является функцией расстояния между двумя взаимодействующими сферами. Компоненты силы взаимодействия складываются со скоростью трансляции, а крутящий момент, который создаётся, медленно вращает оба стержня, и они начинают выстраиваться. Уравнение движения для стержней и форма потенциала приведены в приложениивведите описание изображения здесьвведите описание изображения здесь

Это код, который я написал,

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.animation as animation
import matplotlib.patches as patches

# Константы и параметры
WIDTH, HEIGHT = 100, 100
NUM_SPHERES_PER_ROD = 9  # Нечетное число сфер на стержень
SPHERE_RADIUS = 0.5
NUM_RODS = 10
VELOCITY = 2
FRAMES = 10
NEIGHBOR_DISTANCE_THRESHOLD = 2 * SPHERE_RADIUS  # Диаметр сферы
EPSILON = 0.000001  # Глубина потенциальной ямы Леннард-Джонса
SIGMA = 2 * SPHERE_RADIUS  # Расстояние, на котором потенциал равен нулю

def initialize_rods(num_rods):
    positions = np.random.rand(num_rods, 2) * [WIDTH, HEIGHT]
    angles = np.random.uniform(0, 2 * np.pi, num_rods)
    return positions, angles

def update_positions(positions, angles, velocity):
    theta = angles
    dx = velocity * np.cos(theta)
    dy = velocity * np.sin(theta)
    positions[:, 0] += dx
    positions[:, 1] += dy

    # Периодическая граница
    positions[:, 0] = positions[:, 0] % WIDTH
    positions[:, 1] = positions[:, 1] % HEIGHT
    return positions

def get_sphere_positions(start_pos, angle, num_spheres):
    sphere_positions = []
    for i in range(int((num_spheres + 1) / 2)):
        x = start_pos[0] - 2 * i * SPHERE_RADIUS * np.cos(angle)
        y = start_pos[1] - 2 * i * SPHERE_RADIUS * np.sin(angle)
        x1 = start_pos[0] + 2 * i * SPHERE_RADIUS * np.cos(angle)
        y1 = start_pos[1] + 2 * i * SPHERE_RADIUS * np.sin(angle)
        sphere_positions.append((x, y))
        sphere_positions.append((x1, y1))
    return sphere_positions

def lennard_jones_force(r):
    if r == 0:
        return 0  # Избегаем деления на ноль
    r6 = (SIGMA / r) ** 6
    r12 = r6 * r6
    force_magnitude = 24 * EPSILON * (2 * r12 - r6) / r
    return force_magnitude

def compute_forces_and_neighbors(positions, angles):
    num_rods = len(positions)
    neighbor_sphere_pairs = []
    forces = np.zeros_like(positions)  # Силы, которые будут применены к каждому стержню

    for i in range(num_rods):
        sphere_positions_i = get_sphere_positions(positions[i], angles[i], NUM_SPHERES_PER_ROD)
        for j in range(i + 1, num_rods):
            sphere_positions_j = get_sphere_positions(positions[j], angles[j], NUM_SPHERES_PER_ROD)
            for sphere_pos_i in sphere_positions_i:
                for sphere_pos_j in sphere_positions_j:
                    dist_vector = np.array(sphere_pos_j) - np.array(sphere_pos_i)
                    dist = np.linalg.norm(dist_vector)
                    if dist < NEIGHBOR_DISTANCE_THRESHOLD:
                        # Записываем пару соседних сфер
                        neighbor_sphere_pairs.append((sphere_pos_i, sphere_pos_j))
                        # Вычисляем силу Леннард-Джонса
                        force_mag = lennard_jones_force(dist)
                        force_vec = force_mag * (dist_vector / dist)  # Нормализуем для получения направления
                        # Применяем силы к стержням
                        forces[i] += force_vec
                        forces[j] -= force_vec  # Равные и противоположные силы

    return forces, neighbor_sphere_pairs

def update_angles(angles, forces):
    for i in range(len(angles)):
        # Вычисляем результирующую силу
        resultant_force = forces[i]
        if np.linalg.norm(resultant_force) > 0:
            # Корректируем угол в зависимости от результирующего направления
            angles[i] = np.arctan2(resultant_force[1], resultant_force[0])
    return angles

def draw_sphere(ax, center, radius, COLOUR):
    circle = patches.Circle(center, radius, color=COLOUR, fill=True)
    ax.add_patch(circle)

def draw_rod(ax, start_pos, angle, num_spheres):
    sphere_positions = get_sphere_positions(start_pos, angle, num_spheres)
    for idx, (x, y) in enumerate(sphere_positions):
        COLOUR = "blue" if idx % 2 == 0 else "red"
        draw_sphere(ax, (x, y), SPHERE_RADIUS, COLOUR)

def animate(frame):
    global positions, angles
    positions = update_positions(positions, angles, VELOCITY)
    forces, neighbor_sphere_pairs = compute_forces_and_neighbors(positions, angles)  # Находим соседей и вычисляем силы
    angles = update_angles(angles, forces)  # Обновляем углы стержней в зависимости от сил

    ax.clear()
    for idx, (pos, angle) in enumerate(zip(positions, angles)):
        draw_rod(ax, pos, angle, NUM_SPHERES_PER_ROD)

    ax.set_xlim(0, WIDTH)
    ax.set_ylim(0, HEIGHT)
    ax.set_aspect('equal')

# Инициализация
positions, angles = initialize_rods(NUM_RODS)

# Настройка фигуры и оси
fig, ax = plt.subplots(figsize=(10, 8))

# Создание анимации
anim = animation.FuncAnimation(fig, animate, frames=FRAMES, interval=10, repeat=True)
plt.show()

Но вращение стержней после взаимодействия не точно. Может быть, у вас есть предложения?

Ответ или решение

Для визуализации коллективного поведения самоуправляемых стержней в двумерном пространстве важно учитывать ряд факторов, включая точность расчета силы взаимодействия и поворот стержней после взаимодействия. В вашем коде уже заложены основные принципы, однако есть несколько аспектов, которые могут быть улучшены для более точного моделирования.

1. Корректировка модели взаимодействия

1.1. Хорошо наладьте расчет взаимодействия

Ваш вызов функции lennard_jones_force(r) производит расчет силы, однако в случае, если расстояние между шарами равняется нулю, это может привести к некорректности в будущем. Чтобы избежать деления на ноль, попробуйте применять небольшое значение для расстояния, минимизируя ошибки вычислений.

1.2. Распределение силы

Убедитесь, что вы правильно учитываете компоненты силы. Необходимо вычислить крутящий момент, вызванный соседними шарами. Имейте в виду, что сила должна действовать не только в направлении соединительных векторов, но также воздействовать на вращение и ориентацию стержней.

2. Обновление углов стержней

Ваш метод обновления углов мог бы быть более точным, если бы учитывал величину и направление силы, а не просто применял арктангенс.

2.1. Рассчитайте угол как результат многофакторного влияния

Вместо обновления угла стержня на основе только одной результирующей силы, вы можете учитывать также предыдущую ориентацию. Возможно, стоит добавить параметр, отвечающий за инерцию:

def update_angles(angles, forces, inertia_factor=0.1):
    for i in range(len(angles)):
        resultant_force = forces[i]
        if np.linalg.norm(resultant_force) > 0:
            new_angle = np.arctan2(resultant_force[1], resultant_force[0])
            angles[i] += inertia_factor * (new_angle - angles[i])  # добавьте эффект инерции
    return angles

3. Интерполяция и визуализация

Убедитесь, что ваша визуализация адекватно отражает состояния стержней. Ваша анимация должна не только отображать движения, но и гарантировать, что повороты происходят с ожидаемой плавностью.

4. Настройка параметров симуляции

Это может потребовать тестирования различных значений для VELOCITY, SIGMA, EPSILON и других параметров, чтобы найти более подходящие настройки для вашей модели.

Заключение

Предложенные улучшения должны помочь вам добиться более корректной симуляции поведения ваших самоуправляемых стержней. Попробуйте внести изменения в код, и, следуя этим советам, вы получите более точную визуализацию коллективного поведения ваших симуляций.

Помните, что комплексные численные симуляции обычно требуют итерационных тестов, чтобы добраться до правильных коэффициентов и параметров. Удачи в ваших экспериментах!

Оцените материал
Добавить комментарий

Капча загружается...