Analytické a numerické modelování vnější balistiky: tři klíčové případy
Úloha vnější balistiky popisuje rovinný pohyb tělesa působením gravitace, které je vystřeleno pod úhlem k horizontu s počáteční rychlostí. Zvažujeme tři případy: absence odporu vzduchu, lineární odpor podle Stokesova zákona a kvadratický odpor podle Newtonova zákona. Analytická řešení jsou doplněna numerickými metodami pro realistické modelování.
V prvním případě bez odporu je trajektorie parabola. Pro v₀=20 m/s a α=30° se dosah a výška určí jednoduchými vzorci:
x(t) = v₀ cos(α) t
y(t) = v₀ sin(α) t - (g t²)/2
Lineární odpor: Stokesův zákon
Při lineárním odporu je síla úměrná rychlosti: F = -k v. Diferenciální rovnice:
m dv_x/dt = -k v_x
m dv_y/dt = -m g - k v_y
Řešení dává exponenciální závislosti rychlostí:
v_x(t) = v₀ cos(α) e^(-kt/m)
v_y(t) = (v₀ sin(α) + (m g)/k) e^(-kt/m) - (m g)/k
Integrací podle souřadnic lze získat y(x). Pro v₀=70 m/s, α=55°, k=0,04 kg/s, m=0,5 kg je trajektorie asymetrická s menším dosahem než v ideálním případě.
Kvadratický odpor: Newtonův zákon
Při vysokých rychlostech dominuje kvadratický odpor: F = -k v². Soustava diferenciálních rovnic:
dv_x/dt = -k v v_x
dv_y/dt = -g - k v v_y
kde v = √(v_x² + v_y²). Leonard Euler vyřešil tuto soustavu analyticky v 18. století. Moderní přístup spočívá v numerické integraci pomocí Runge-Kutta řádu 4–5.
import numpy as np
import matplotlib.pyplot as plt
from scipy.integrate import solve_ivp
class BallisticsSimulator:
def __init__(self):
self.g = 9.81
self.rho = 1.225
def calculate_k(self, diameter, mass, Cd=0.3):
A = np.pi * (diameter / 2) ** 2
k = (Cd * self.rho * A) / (2 * mass)
return k
def equations_of_motion(self, t, state, k):
x, vx, y, vy = state
v = np.sqrt(vx**2 + vy**2)
ax = -k * v * vx
ay = -self.g - k * v * vy
return [vx, ax, vy, ay]
def simulate(self, v0, angle_deg, x0=0, y0=0,
diameter=0.1, mass=10, Cd=0.3,
t_max=100, dt=0.01):
k = self.calculate_k(diameter, mass, Cd)
angle_rad = np.radians(angle_deg)
vx0 = v0 * np.cos(angle_rad)
vy0 = v0 * np.sin(angle_rad)
initial_state = [x0, vx0, y0, vy0]
t_span = (0, t_max)
t_eval = np.arange(0, t_max, dt)
solution = solve_ivp(
self.equations_of_motion,
t_span,
initial_state,
args=(k,),
t_eval=t_eval,
method='RK45'
)
t = solution.t
x = solution.y[0]
y = solution.y[2]
fall_index = np.where(y < 0)[0]
if len(fall_index) > 0:
fall_index = fall_index[0]
t = t[:fall_index + 1]
x = x[:fall_index + 1]
y = y[:fall_index + 1]
return t, x, y, k
def plot_trajectory(self, t, x, y, k, v0, angle):
plt.figure(figsize=(12, 8))
plt.plot(x, y, 'b-', linewidth=2, label='Trajektorie')
plt.scatter(x[0], y[0], color='red', s=100, zorder=5, label='Start')
plt.scatter(x[-1], y[-1], color='green', s=100, zorder=5, label='Pád')
plt.xlabel('Vzdálenost, m', fontsize=12)
plt.ylabel('Výška, m', fontsize=12)
plt.title(f'Trajektorie střely\nV₀ = {v0} m/s, úhel = {angle}°, k = {k:.6f}',
fontsize=14)
plt.grid(True, alpha=0.3)
plt.legend()
plt.axis('equal')
plt.show()
def print_results(self, t, x, y):
print("=== VÝSLEDKY MODELOVÁNÍ ===")
print(f"Dosah letu: {x[-1]:.2f} m")
print(f"Maximální výška: {max(y):.2f} m")
print(f"Čas letu: {t[-1]:.2f} s")
# Příklad: v0=250 m/s, úhel=60°, d=0.2 m, m=20 kg
Pro v₀=250 m/s, α=60°, průměr 20 cm, hmotnost 20 kg, Cd=0.3 je koeficient k vypočítán jako k = (Cd ρ A)/(2m), kde A je průřez. Funkce solve_ivp s metodou RK45 zajišťuje přesnost až do okamžiku dopadu (y=0).
Parametry a výsledky modelování
Klíčové vstupní parametry:
- Počáteční rychlost v₀: 20–250 m/s
- Úhel vystřelení α: 30–60°
- Hmotnost m: 0,5–20 kg
- Průměr: 10–20 cm
- Cd: 0,3 (typická hodnota)
- k: vypočítáno automaticky
Výsledky pro kvadratický případ:
- Dosah letu: ~10–20 km (závisí na parametrech)
- Maximální výška: 5–15 km
- Čas letu: 50–100 s
- Konečná rychlost: blíží se termální rychlosti
Srovnání případů ukazuje zkrácení dosahu o 30–50 % při započtení odporu vzduchu.
Co je důležité
- Bez odporu — parabolická trajektorie, maximální dosah při α=45°.
- Stokesův zákon platí pro nízké rychlosti (<30 m/s), dává exponenciální tlumení.
- Newtonův zákon je standard pro artilerii, vyžaduje numerické řešení diferenciálních rovnic.
- Python kód s scipy.integrate je univerzální, snadno přizpůsobitelný reálným hodnotám Cd a ρ.
— Editorial Team
Zatím žádné komentáře.