🥥Python和Matplotlib电磁一维二维三维模拟
Python | Matplotlib | 电磁 | 麦克斯韦旋度方程 | 时空导数 | 库朗条件 | 有限差分近似高斯脉中 | 通量密度 | 频域 | 傅里叶变换 | 辅助微分方程 | 未磁化等离子体 | 高斯包络 | 德拜模型 | 洛伦兹公式 | 泰勒级数 | 吸收边界条件 | 介电柱 | 傅立叶分析 | Numpy | 三个维总场/散场
自由空间中传播的脉冲一维模拟
自由空间的时间相关麦克斯韦旋度方程为
E 和 H 是三个维度的向量,因此,一般来说,等式 (1.1a) 和 (1.1b) 分别代表三个方程。 我们将从仅使用 Ex 和 Hy 的简单一维案例开始,因此 等式(1.1a) 和 (1.1b) 变为
这些是沿z方向行驶的平面波的方程,其电场在X方向上定向,并以y方向定向磁场。
对时间和空间导数进行中心差分近似,给出
代码模拟
import numpy as np
from math import exp
from matplotlib import pyplot as plt
ke = 200
ex = np.zeros(ke)
hy = np.zeros(ke)
# Pulse parameters
kc = int(ke / 2)
t0 = 40
spread = 12
nsteps = 100
# Main FDTD Loop
for time_step in range(1, nsteps + 1):
    # Calculate the Ex field
    for k in range(1, ke):
        ex[k] = ex[k] + 0.5 * (hy[k - 1] - hy[k])
    # Put a Gaussian pulse in the middle
    pulse = exp(-0.5 * ((t0 - time_step) / spread) ** 2)
    ex[kc] = pulse
    # Calculate the Hy field
    for k in range(ke - 1):
        hy[k] = hy[k] + 0.5 * (ex[k] - ex[k + 1])
# Plot the outputs as shown in Fig. 1.2
plt.rcParams['font.size'] = 12
plt.figure(figsize=(8, 3.5))
plt.subplot(212)
plt.plot(hy, color='k', linewidth=1)
plt.ylabel('H$_y$', fontsize='14')
plt.xlabel('FDTD cells')
plt.xticks(np.arange(0, 201, step=20))
plt.xlim(0, 200)
plt.yticks(np.arange(-1, 1.2, step=1))
plt.ylim(-1.2, 1.2)
plt.subplots_adjust(bottom=0.2, hspace=0.45)
plt.show()通量密度的一维模拟
横向电磁二维模拟
矢量场电磁三维模拟
环形相控阵热疗模拟
源代码
Last updated
Was this helpful?