clear;clc
format long; %数据格式
d_t=0.002; %步长
m1=806;m2=25;
f1=8.02;f2=10.43;
c1=4*pi*m1*f1*0.011;
c2=4*pi*m2*f2*0.5;
k1=4*pi^2*m1*f1^2;
k2=4*pi^2*m2*f2^2;
M=[m1,0;0,m2]; %质量矩阵
C=[c1+c2,-c2;-c2,c2]; %阻尼矩阵
K=[k1+k2,-k2;-k2,k2]; %刚度矩阵
t=0:d_t:4; %分划
y(1,1)=input('请输入楼板位移初值y(0)='); %初始位移
y(2,1)=input('请输入人体位移初值y(0)='); %初始位移
y1(1,1)=input('请输入楼板速度初值v(0)='); %初始速度
y1(2,1)=input('请输入人体速度初值v(0)='); %初始速度
for i=1:length(t)-1 %循环
Fi(:,i)=0-K*y(:,i)-C*y1(:,i);
y2(:,i)=inv(M)*Fi(:,i);
K1=K+(6/(d_t)^2)*M+(3/d_t)*C;
d_p1(:,i)=0+M*((6/d_t)*y1(:,i)+3*y2(:,i))+C*(3*y1(:,i)+(d_t/2)*y2(:,i));
d_y(:,i)=inv(K1)*d_p1(:,i);
d_y1(:,i)=(3/d_t)*(d_y(:,i)-d_t*y1(:,i)-(d_t^2/6)*y2(:,i));
y(:,i+1)=y(:,i)+d_y(:,i);
y1(:,i+1)=y1(:,i)+d_y1(:,i);
i=i+1;
end
Fi(:,length(t))=0-K*y(:,length(t))-C*y1(:,length(t));
y2(:,length(t))=inv(M)*Fi(:,length(t));
figure(1)
plot(t,y(1,:),'r-'); %画图
title('位移曲线')
legend('t-y')
xlabel('t')
ylabel('y')
grid on;
pause;
figure(2)
plot(t,y1(1,:),'b-');
title('速度曲线')
legend('t-v')
xlabel('t')
ylabel('v')
grid on;
pause
figure(3)
plot(t,y2(1,:),'m-')
title('加速度曲线')
legend('t-a')
xlabel('t')
ylabel('a')
grid on;
Damped2DOF.rar_matlab双自由度_tmd_双自由度_线性加速度
版权申诉
5星 · 超过95%的资源 46 浏览量
2022-07-13
18:29:32
上传
评论
收藏 1KB RAR 举报
林当时
- 粉丝: 100
- 资源: 1万+
最新资源
- Picasso_v3.1 2.ipa
- chromedriver-mac-arm64.zip
- 蓝zapro.apk
- chromedriver-linux64.zip
- UCAS研一深度学习实验-MNIST手写数字识别python源码+详细注释(高分项目)
- 基于Python和PyTorch框架完成的一个手写数字识别实验源码(带MINIST手写数字数据集)+详细注释(高分项目)
- 基于Matlab在MNIST数据集上利用CNN完成手写体数字识别任务,并实现单层CNN反向传播算法+源代码+文档说明(高分项目)
- NVIDIA驱动、CUDA和Pytorch及其依赖
- 基于SVM多特征融合的微表情识别python源码+项目说明+详细注释(高分课程设计)
- html动态爱心代码一(附源码)
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
评论1