运用Python 模拟太阳-地球-月亮运动模型

问题背景

你一定会好奇，月球绕着地球做圆周运动，地球又绕着太阳转，太阳绕着银河系…….那么以任意其中一个旋转中心为相对坐标中心，月球的运动轨迹是怎么样的？
假设太阳为中心，那么月球的运动轨迹又是怎么样的呢？
本文将从数学构建坐标系的方法，阐述下任意星体相对其它星体轨迹方程，并运用python matplotlib这个强大的绘图库进行日地月运动模型的模拟

模型构建

现在假设历太阳-地球-月亮这个系统，太阳是旋转中心，地球相对太阳做角速度为 ω1 ω 1 的匀速圆周运动，月球相对地球做 ω2 ω 2 的匀速圆周运动。

以太阳为原点构建三维坐标系， 即太阳坐标点 (x0,y0,z0) ( x 0 , y 0 , z 0 ) = (0,0,0) ( 0 , 0 , 0 )
现假设地球公转的轨道平面（黄道面）在x-y轴平面上。

已知月球的轨道平面（白道面）与黄道面（地球的公转轨道平面）保持著5.145 396°的夹角，即与x-y轴平面呈5.145 396°的夹角

由于与x-y轴平面的夹角可以是任意方向的，为建模方便设月球公转轨道面沿y轴方向向上倾斜5.145 396°且初始状态时：太阳、地球、月球在y-z平面上（后文用 φ φ 表示月球公转轨道平面与地球公转轨道平面的固定夹角）
假设地球公转半径为 r1 r 1 , 月球公转半径为 r2 r 2 ，
对于地球，假设其在t时刻时的坐标为 (x1,y1,z1) ( x 1 , y 1 , z 1 ) ，则有

⎧⎩⎨⎪⎪x1=x0+r1⋅cos(ω1t)y1=y0+r1⋅sin(ω1t)z1=z0+0 { x 1 = x 0 + r 1 ⋅ cos ⁡ ( ω 1 t ) y 1 = y 0 + r 1 ⋅ sin ⁡ ( ω 1 t ) z 1 = z 0 + 0

现在对月球进行的运动轨迹进行建模: 任意t时刻，月球运行轨迹满足如下方程

{z2=z1+(y2−y1)⋅tanφ(x2−x1)2+(y2−y1)2+(z2−z1)2=r22 { z 2 = z 1 + ( y 2 − y 1 ) ⋅ tan ⁡ φ ( x 2 − x 1 ) 2 + ( y 2 − y 1 ) 2 + ( z 2 − z 1 ) 2 = r 2 2

月球初始方向向量为 (0,cosφ,sinφ) ( 0 , cos ⁡ φ , sin ⁡ φ )
在t时刻，月球转动的夹角 ω2t ω 2 t , 此时的方向向量为 (x2−x1,y2−y1,z2−z1) ( x 2 − x 1 , y 2 − y 1 , z 2 − z 1 )
由向量夹角公式有，

ω2t=(y2−y1)⋅cosφ+(z2−z1)⋅sinφ ω 2 t = ( y 2 − y 1 ) ⋅ cos ⁡ φ + ( z 2 − z 1 ) ⋅ sin ⁡ φ

联立上式，可得

⎧⎩⎨⎪⎪⎪⎪⎪⎪x2=x1+r2⋅sin(ω2t)y2=y1+r2⋅cos(ω2t)cosφ(1+tan2φ)z2=z1+(y2−y1)⋅tanφ { x 2 = x 1 + r 2 ⋅ sin ⁡ ( ω 2 t ) y 2 = y 1 + r 2 ⋅ cos ⁡ ( ω 2 t ) cos ⁡ φ ( 1 + tan 2 ⁡ φ ) z 2 = z 1 + ( y 2 − y 1 ) ⋅ tan ⁡ φ

python实现

查阅相关资料可以知道
日地距离：约1.5亿千米,即一个天文单位.
月地距离：约38.4万千米
因此 r1r2=390.625 r 1 r 2 = 390.625

出于3D绘图的直观性，这里假设 r1=10 r 1 = 10 , r2=1 r 2 = 1
另外由于地球绕太阳公转一周，刚好十二个月，即月球绕地球公转角速度是地球绕太阳公转角速度的12倍
因此可设 ω1=2π ω 1 = 2 π , ω2=24π ω 2 = 24 π

t 从 0 ~ 1 表示星体公转一周， python 代码模型实现如下：

import numpy as np
import matplotlib as mpl
mpl.use("TkAgg")
from matplotlib import pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.animation as animmation

r1 = 10
r2 = 1
omega1 = 2 * np.pi
omega2 = 24 * np.pi 
phi = 5.1454 * np.pi / 180 

def update(data):
    global line1, line2 , line3
    line1.set_data([data[0], data[1]])
    line1.set_3d_properties(data[2])
    line2.set_data([data[3], data[4]])
    line2.set_3d_properties(data[5])
    line3.set_data([data[6], data[7]])
    line3.set_3d_properties(data[8])
    return line1,line2,line3,
def init():
    global line1, line2, line3
    ti = 0
    t = t_drange[np.mod(ti, t_dlen)]

    xt1 = x0 + r1 * np.cos(omega1 * t)
    yt1 = y0 + r1 * np.sin(omega1 * t)
    zt1 = z0 + 0
    xt2 = xt1 + r2 * np.sin(omega2 * t)
    yt2 = yt1 + r2 * np.cos(omega2 * t)/(np.cos(phi) * (1 + np.tan(phi) ** 2))
    zt2 = zt1 + (yt2 - yt1) * np.tan(phi)
    xt21 = xt1 + r2 * np.sin(2 * np.pi * t_range)
    yt21 = yt1 + r2 * np.cos(2 * np.pi * t_range)/(np.cos(phi) * (1 + np.tan(phi) ** 2))
    zt21 = zt1 + (yt21 - yt1) * np.tan(phi)


    line1, = ax.plot([xt1], [yt1], [zt1], marker='o', color='blue',markersize=8)
    line2, = ax.plot([xt2], [yt2], [zt2], marker='o', color='orange',markersize=4)
    line3, = ax.plot(xt21, yt21, zt21, color='purple')
    return line1,line2,line3
def data_gen():
    #global x0,y0,z0,ti, t_drang, t_range, omega1, omega2, phi
    global x0,y0,z0,t_dlen

    #while true:
    data = []
    for ti in range(1,t_dlen):
        t = t_drange[ti]
        xt1 = x0 + r1 * np.cos(omega1 * t)
        yt1 = y0 + r1 * np.sin(omega1 * t)
        zt1 = z0
        xt2 = xt1 + r2 * np.sin(omega2 * t)
        yt2 = yt1 + r2 * np.cos(omega2 * t)/(np.cos(phi) * (1 + np.tan(phi) ** 2))
        zt2 = zt1 + (yt2 - yt1) * np.tan(phi)
        xt21 = xt1 + r2 * np.sin(2 * np.pi * t_range)
        yt21 = yt1 + r2 * np.cos(2 * np.pi * t_range)/(np.cos(phi) * (1 + np.tan(phi) ** 2))
        zt21 = zt1 + (yt21 - yt1) * np.tan(phi)
        data.append([xt1, yt1, zt1, xt2, yt2, zt2, xt21, yt21, zt21])
    return data
    #yield (xt1, yt1, zt1, xt2, yt2, zt2, xt21, yt21, zt21)


t_range = np.arange(0, 1 + 0.005, 0.005)
t_drange = np.arange(0, 1, 0.005 )
t_len = len(t_range)
t_dlen = len(t_drange)
#sun's coordination
x0 = 0
y0 = 0 
z0 = 0
#earth's orbit
x1 = x0  + r1 * np.cos(omega1 * t_range)
y1 = y0 + r1 * np.sin(omega1 * t_range)
z1 = z0 + np.zeros(t_len)

#moon's orbit
x2 = x1 + r2 * np.sin(omega2 * t_range)
y2 = y1 + r2 * np.cos(omega2 * t_range)/(np.cos(phi) * (1 + np.tan(phi) ** 2))
z2 = z1 + (y2 - y1) * np.tan(phi)


f = plt.figure(figsize=(6,6))
ax  = f.add_subplot(111,projection='3d')
#plt.rcParams['animation.ffmpeg_path'] = r"C:\Program Files\ffmpeg\bin\ffmpeg"
#plt.rcParams['animation.convert_path'] = r"C:\Program Files\ImageMagick-7.0.7-Q16\magick.exe"
ax.set_aspect('equal')
ax.set_title("Sun-Earth-Moon Model")

ax.plot([0], [0], [0], marker='o', color= 'red', markersize=16)
ax.plot(x1, y1, z1, 'r')
ax.plot(x2, y2, z2, 'b')
ax.set_xlim([-(r1 + 2), (r1 + 2)])
ax.set_ylim([-(r1 + 2), (r1 + 2)])
ax.set_zlim([-5, 5])
# line1 update Earth's track  dynamically
# line2 update Moon's track dynamically
# line3 update Moon's orbit to earth 
line1, = ax.plot([], [], [], marker='o', color='blue',markersize=8,animated = True)
line2, = ax.plot([], [], [], marker='o', color='orange',markersize=4,animated = True)
line3, = ax.plot([], [], [], color='purple',animated = True)

#red sphere for Sun, blue sphere for Earth, orange sphere for Moon
ani = animmation.FuncAnimation(f, update, frames = data_gen(), init_func = init,interval = 20)
#ffwriter = animmation.ffmpegwriter(fps = 200)
#ani.save('planet.gif', writer='imagemagick', fps=40)
#ani.save('planet.gif', writer = ffwriter)
plt.show()

(注：上述代码注释部分的动画保存需要安装ffmpeg或者imagemagick的支持)
上述代码，通过matplotlib animation演示了太阳-地球-月球运动轨迹模型动画
（红色球点表示太阳，蓝色球点表示地球，橙色球点表示月球，红色轨迹表示地球公转轨道，紫色轨迹表示月球相对地球轨道，蓝色轨迹表示月球相对太阳轨迹):

可以发现：月球在地球的公转轨道上是螺旋前进的,这与实际上是一致的。
这里的模型假设了太阳是静止的坐标系中心，如果再引入银河系中心，让太阳动起来，月球的轨迹会是怎么样呢？这实际并不难实现，只要对 (x0,y0,z0) ( x 0 , y 0 , z 0 ) 进行方程赋值即可，感兴趣的可以试试。

另外，你也可以用上面的模型进行自转模型的模拟，因为月球的自转周期与其绕地球公转的周期是一样的，
将上面代码稍作修改，将太阳位置替换成地球、地球位置替换成月球、原月球的公转轨道看成其自转轨迹，黄色球表示其某个面（可以设置初始时面对地球）。通过设置角速度一样，你就可以直观地看到——为什么我们在地球上总是看不到月球的另一面。

当然，如果你觉得模型太简单了，想更接近实际一点，也可以将地球公转轨道设置成椭圆，这也是很容易实现的，只要你知道椭圆的参数方程即可。

最后说下傅里叶里级数。是的，你应该发现了：星体运动无限迭代下去，就是一个曲线的傅里叶级数展开，只要迭代次数是有限的，星体的运动轨迹肯定是具有周期性的。