مدلسازی پدیدههای دورهای با توابع مثلثاتی: نوسان شبانهروزی دما و حرکت آونگ
۱. چرا توابع مثلثاتی برای پدیدههای دورهای مناسب هستند؟
بسیاری از پدیدههای طبیعی و مهندسی رفتاری تکرارشونده و نوسانی دارند. برای نمونه، حرکت عقربههای ساعت، نوسان یک فنر، جزر و مد دریا، و تغییرات دمای هوا در طول روز و شب. توابع سینوس (sin) و کسینوس (cos) به طور ذاتی ویژگی تکرارشوندگی دارند. مقدار این توابع هر $2\pi$ واحد (مانند درجه یا رادیان) تکرار میشود. به همین دلیل، ابزاری قدرتمند برای تبدیل دادههای تجربی به یک رابطهٔ ریاضی دقیق هستند.
معادلهٔ عمومی توابع مثلثاتی برای مدلسازی به شکل زیر است:
در این رابطه، هر نماد معنای فیزیکی مشخصی دارد که در ادامه با مثال توضیح داده میشود.
۲. مدلسازی تغییرات دمای روزانه: مثال واقعی از هواشناسی
فرض کنید در یک روز بهاری، دمای هوا در یک شهر از نیمهشب شروع میشود. دمای ثبتشده در ساعات مختلف به صورت زیر است: ساعت $0$ (نیمهشب) برابر $10$ درجهٔ سانتیگراد، ساعت $6$ بامداد برابر $14$ درجه، ساعت $12$ ظهر برابر $22$ درجه (حداکثر)، ساعت $18$ عصر برابر $16$ درجه و نیمهشب بعد دوباره $10$ درجه. میخواهیم مدلی سینوسی برای دما $T(t)$ بر حسب زمان $t$ (بر حسب ساعت) پیدا کنیم.
گام اول: تعیین دورهٔ تناوب5. دما هر $24$ ساعت تکرار میشود. بنابراین دورهٔ تناوب $T_p = 24$ ساعت است. در توابع مثلثاتی، رابطهٔ دوره و بسامد زاویهای ($\omega$) به صورت $T_p = \frac{2\pi}{\omega}$ است. بنابراین:
گام دوم: پیدا کردن دامنه و خط مرکزی (تعادل). دمای بیشینه $T_{max}=22$ و کمینه $T_{min}=10$ است. دامنه $A$ برابر نصف فاصلهٔ بیشینه تا کمینه:
$A = \frac{T_{max} - T_{min}}{2} = \frac{22 - 10}{2} = 6$ درجه.خط مرکزی (مقدار $C$) میانگین بیشینه و کمینه است:
$C = \frac{T_{max} + T_{min}}{2} = \frac{22 + 10}{2} = 16$ درجه.گام سوم: تعیین جابهجایی فاز. از آنجایی که در ساعت $t=12$ ظهر دما بیشینه است، و تابع کسینوس در $\theta=0$ بیشینه دارد، شکل $T(t)=A \cos(\omega t - \phi) + C$ مناسبتر است. برای بیشینه بودن در $t=12$ باید $\omega \cdot 12 - \phi = 0$ ⇒ $\phi = \omega \cdot 12 = \frac{\pi}{12} \cdot 12 = \pi$. بنابراین معادلهٔ نهایی دما به صورت زیر است:
با استفاده از اتحاد مثلثاتی $\cos(\theta - \pi) = -\cos(\theta)$ میتوان آن را به شکل سینوسی نیز نوشت.
| زمان (ساعت) | دمای واقعی (درجه) | دمای مدل (درجه) | خطا (درجه) |
|---|---|---|---|
| 0 | 10 | 10 | 0 |
| 6 | 14 | 16 | 2 |
| 12 | 22 | 22 | 0 |
| 18 | 16 | 16 | 0 |
۳. کاربرد عملی: حرکت نوسانی یک آونگ
آونگ ساده6 یکی از شناختهشدهترین نمونههای حرکت نوسانی است. اگر یک آونگ را به اندازهٔ کوچک از حالت تعادل منحرف کنیم و رها کنیم، جابهجایی زاویهای آن بر حسب زمان به وسیلهٔ تابع سینوس یا کسینوس بیان میشود. برای یک آونگ با طول $L$ متر در میدان گرانش زمین با شتاب $g \approx 9.8 \ m/s^2$، دورهٔ تناوب کوچک از رابطهٔ زیر به دست میآید:
اگر در لحظهٔ $t=0$ آونگ را از زاویهٔ بیشینهٔ $\theta_0$ رها کنیم (سرعت اولیه صفر)، رابطهٔ جابهجایی زاویهای به صورت $\theta(t) = \theta_0 \cos(\omega t)$ خواهد بود که در آن $\omega = \sqrt{g/L}$ بسامد زاویهای است. با مشتقگیری از این رابطه، سرعت زاویهای ($\omega(t)$) و شتاب زاویهای نیز به دست میآید.
برای نمونه، آونگی به طول $L = 1$ متر و $\theta_0 = 0.1$ رادیان (حدود $5.7$ درجه). در این صورت دورهٔ تناوب:
$T_p = 2\pi \sqrt{\frac{1}{9.8}} \approx 2\pi \times 0.319 \approx 2.005$ ثانیه.و بسامد زاویهای $\omega = \frac{2\pi}{T_p} \approx 3.13$ رادیان بر ثانیه. بنابراین رابطهٔ جابهجایی:
۴. چالشهای مفهومی
پرسش ۱: چه زمانی باید از تابع سینوس استفاده کنیم و چه زمانی از کسینوس؟
پاسخ: انتخاب به شرایط اولیه بستگی دارد. اگر در لحظهٔ $t=0$ کمیت مورد نظر صفر باشد و با شیب مثبت در حال افزایش، تابع سینوس مناسب است. اگر در لحظهٔ صفر کمیت بیشینه باشد، تابع کسینوس انتخاب بهتری است. با جابهجایی فاز مناسب میتوان دو تابع را به یکدیگر تبدیل کرد: $\sin(x) = \cos(x - \pi/2)$.
پرسش ۲: آیا هر پدیدهٔ تناوبی را میتوان با یک تابع سینوسی خالص مدلسازی کرد؟
پاسخ: خیر، فقط پدیدههایی که شکل موج آنها سینوسی خالص (همانند حرکت آونگ با دامنهٔ کوچک) است. بسیاری از پدیدههای طبیعی مانند جزر و مد یا ضربان قلب دارای شکل موج پیچیدهتری هستند و برای مدلسازی دقیق آنها باید از مجموع چندین تابع سینوسی و کسینوسی با بسامدهای مختلف (سری فوریه) استفاده کرد.
پرسش ۳: چگونه خطای مدل را کاهش دهیم؟
پاسخ: ابتدا مطمئن شوید دورهٔ تناوب و دامنه به درستی از دادهها استخراج شدهاند. سپس با استفاده از روش برازش منحنی7 و کمینه کردن مجموع مربعات خطاها، مقادیر پارامترها (به ویژه جابهجایی فاز) را بهینه کنید. افزایش تعداد دادههای اندازهگیری نیز دقت مدل را افزایش میدهد.
۵. جدول مقایسه مفاهیم پایه در مدلسازی مثلثاتی
| نام پارامتر | نماد | تأثیر بر نمودار | واحد در مدل دما |
|---|---|---|---|
| دامنه | $A$ | ارتفاع قله از خط تعادل | درجهٔ سانتیگراد |
| بسامد زاویهای | $\omega$ | سرعت نوسان (تعداد دور در زمان) | رادیان بر ساعت |
| جابهجایی فاز | $\phi$ | جابهجایی افقی نمودار | رادیان (یا ساعت) |
| خط مرکزی (تعادل) | $C$ | مقدار میانگین کمیت | درجهٔ سانتیگراد |
پاورقی
1 توابع مثلثاتی (Trigonometric Functions): دستهای از توابع ریاضی شامل سینوس، کسینوس و تانژانت که رابطه بین زاویه و نسبت اضلاع در مثلث قائمالزاویه را بیان میکنند.
2 دامنه (Amplitude): بیشینه فاصلهٔ مقدار یک کمیت نوسانی از نقطهٔ تعادل خود که با نماد $A$ نمایش داده میشود.
3 بسامد (Frequency): تعداد نوسانهای کامل در واحد زمان که در مدلهای مثلثاتی به صورت بسامد زاویهای ($\omega$) ظاهر میشود.
4 جابهجایی فاز (Phase Shift): میزان جابهجایی افقی یک تابع مثلثاتی نسبت به حالت استاندارد (سینوس یا کسینوس بدون جابهجایی).
5 دورهٔ تناوب (Period): مدت زمان لازم برای انجام یک نوسان کامل که با $T_p$ نشان داده میشود.
6 آونگ ساده (Simple Pendulum): سیستمی متشکل از یک جرم نقطهای که به یک نخ نامرئی و بدون جرم متصل است و تحت تأثیر گرانش در یک صفحه نوسان میکند.
7 برازش منحنی (Curve Fitting): فرآیند یافتن یک منحنی ریاضی که بهترین تطابق را با یک سری نقاط داده داشته باشد.