我求解金属棒的热方程,一端保持在100 °C,另一端保持在0 °C,
import numpy as np
import matplotlib.pyplot as plt
dt = 0.0005
dy = 0.0005
k = 10**(-4)
y_max = 0.04
t_max = 1
T0 = 100
def FTCS(dt,dy,t_max,y_max,k,T0):
s = k*dt/dy**2
y = np.arange(0,y_max+dy,dy)
t = np.arange(0,t_max+dt,dt)
r = len(t)
c = len(y)
T = np.zeros([r,c])
T[:,0] = T0
for n in range(0,r-1):
for j in range(1,c-1):
T[n+1,j] = T[n,j] + s*(T[n,j-1] - 2*T[n,j] + T[n,j+1])
return y,T,r,s
y,T,r,s = FTCS(dt,dy,t_max,y_max,k,T0)
plot_times = np.arange(0.01,1.0,0.01)
for t in plot_times:
plt.plot(y,T[t/dt,:])
如果改变Neumann边界条件,使一端绝缘(而不是通量),
那么计算项
T[n+1,j] = T[n,j] + s*(T[n,j-1] - 2*T[n,j] + T[n,j+1])
是否应该修改?
1条答案
按热度按时间pcww981p1#
诺依曼边界条件的一个典型方法是想象一个“鬼点”,并使用边界条件计算它的值;然后对网格内的点(包括诺依曼边界)进行正常处理(使用PDE)。
鬼点允许我们对边界处的导数使用 * 对称 * 有限差分近似,即
(T[n, j+1] - T[n, j-1]) / (2*dy)
,如果y是空间变量。不涉及鬼点的非对称近似(T[n, j] - T[n, j-1]) / dy
的精确度要低得多:它引入的误差比PDE本身的离散化中涉及的误差差一个数量级。因此,当j是T的最大可能索引时,边界条件说“
T[n, j+1]
“应该理解为T[n, j-1]
,这就是下面所做的。