关注 M r . m a t e r i a l , \color{Violet} \rm Mr.material\ , Mr.material , 更 \color{red}{更} 更 多 \color{blue}{多} 多 精 \color{orange}{精} 精 彩 \color{green}{彩} 彩!
主要专栏内容包括:
†《LAMMPS小技巧》: ‾ \textbf{ \underline{\dag《LAMMPS小技巧》:}} †《LAMMPS小技巧》: 主要介绍采用分子动力学( L a m m p s Lammps Lammps)模拟相关安装教程、原理以及模拟小技巧(难度: ★ \bigstar ★)
††《LAMMPS实例教程—In文件详解》: ‾ \textbf{ \underline{\dag\dag《LAMMPS实例教程—In文件详解》:}} ††《LAMMPS实例教程—In文件详解》: 主要介绍采用分子动力学( L a m m p s Lammps Lammps)模拟相关物理过程模拟。(包含:热导率计算、定压比热容计算,难度: ★ \bigstar ★ ★ \bigstar ★ ★ \bigstar ★)
†††《Lammps编程技巧及后处理程序技巧》: ‾ \textbf{ \underline{\dag\dag\dag《Lammps编程技巧及后处理程序技巧》:}} †††《Lammps编程技巧及后处理程序技巧》: 主要介绍针对分子模拟的动力学过程(轨迹文件)进行后相关的处理分析(需要一定编程能力。难度: ★ \bigstar ★ ★ \bigstar ★ ★ \bigstar ★ ★ \bigstar ★ ★ \bigstar ★)。
††††《分子动力学后处理集成函数—Matlab》: ‾ \textbf{ \underline{\dag\dag\dag\dag《分子动力学后处理集成函数—Matlab》:}} ††††《分子动力学后处理集成函数—Matlab》: 主要介绍针对后处理过程中指定函数,进行包装,方便使用者直接调用(需要一定编程能力,难度: ★ \bigstar ★ ★ \bigstar ★ ★ \bigstar ★ ★ \bigstar ★)。
†††††《SCI论文绘图—Python绘图常用模板及技巧》: ‾ \textbf{ \underline{\dag\dag\dag\dag\dag《SCI论文绘图—Python绘图常用模板及技巧》:}} †††††《SCI论文绘图—Python绘图常用模板及技巧》: 主要介绍针对处理后的数据可视化,并提供对应的绘图模板(需要一定编程能力,难度: ★ \bigstar ★ ★ \bigstar ★ ★ \bigstar ★ ★ \bigstar ★)。
††††††《分子模拟—Ovito渲染案例教程》: ‾ \textbf{ \underline{\dag\dag\dag\dag\dag\dag《分子模拟—Ovito渲染案例教程》:}} ††††††《分子模拟—Ovito渲染案例教程》: 主要采用 O v i t o \rm Ovito Ovito软件,对 L a m m p s \rm Lammps Lammps 生成的轨迹文件进行渲染(难度: ★ \bigstar ★ ★ \bigstar ★)。
专栏说明(订阅后可浏览对应专栏全部博文): ‾ \color{red}{\textbf{ \underline{专栏说明(订阅后可浏览对应专栏全部博文):}}} 专栏说明(订阅后可浏览对应专栏全部博文):
注意: \color{red} 注意: 注意:如需只订阅某个单独博文,请联系博主邮箱咨询。 l a m m p s _ m a t e r i a l s @ 163. c o m \rm lammps\[email protected] [email protected]
♠ \spadesuit ♠ † \dag † 开源后处理集成程序:请关注专栏《LAMMPS后处理——MATLAB子函数合集整理》
♠ \spadesuit ♠ † \dag † † \dag † 需要付费定制后处理程序请邮件联系: l a m m p s _ m a t e r i a l s @ 163. c o m \rm lammps\[email protected] [email protected]
本博客是《团簇生长过程-Ovito渲染》的扩展部分。
文章目录
一、根据Ovito的Cluster analysis保存信息
1. 每一帧数据
这里储存的信息是每一帧的统计结果。
2. 每一帧数据结构
我们可以看到包括了当前帧内的团簇ID和团簇Size
二、根据Matlab读取每一帧的信息
1. 读取信息
读取路径下的全部文件
clc;clear;
file_path = 'K:\博客文件\Ovito渲染案例\';
img_path_list = dir(strcat(file_path,'c.*'));
img_num = length(img_path_list);
if(img_num>0) %有满足条件的文件
for frame = 1:img_num-1 %逐一读取
file = strcat(file_path,"c.",num2str(frame));
[cluster_id cluster_size] ...
= textread(file, '%n%n', 'headerlines', 2, 'emptyvalue', 0);
cluster_record = [cluster_id cluster_size];
if(isempty(cluster_id)==1)
cluster_id=0;
cluster_size=0;
end
cluster_max(frame,1) = max(cluster_size);
drawnow;
bar(cluster_size./max(cluster_size),'FaceColor',[0 .5 .5],'EdgeColor',[0 .9 .9],'LineWidth',10)
xlabel('Cluster ID','fontsize',20);
ylabel('Cluster size/Maxsize','fontsize',20);
set(gca,'fontsize',20,'linewidth',1.5);
print(strcat(num2str(frame),'.jpg'), '-dpng', '-r150');
end
end
2. 团簇大小
为了方便比较,团簇大小我们进行归一化处理,每一帧的团簇size/当前帧最大的团簇size。
bar(cluster_size./max(cluster_size),'FaceColor',[0 .5 .5],'EdgeColor',[0 .9 .9],'LineWidth',10)
xlabel('Cluster ID','fontsize',20);
ylabel('Cluster size/Maxsize','fontsize',20);
set(gca,'fontsize',20,'linewidth',1.5);
三、统计结果
四、文件下载
链接:请点击
提取码:kzlu