用python写一个二阶系统模型，输入参数input可以自定义，输出参数值output在图中绘制出来

好的，我可以帮你实现这个二阶系统模型。首先，我们需要导入相关的库。

import numpy as np
import matplotlib.pyplot as plt

接下来，我们可以定义一个函数来表示这个二阶系统模型。这个模型可以用下面的微分方程来表示：

$$\frac{d^2y}{dt^2} + 2\zeta\omega_n\frac{dy}{dt} + \omega_n^2 y = K_p u$$

其中，$y$ 是系统的输出，$u$ 是系统的输入，$\omega_n$ 是系统的自然频率，$\zeta$ 是系统的阻尼比，$K_p$ 是系统的比例增益。

我们可以将这个微分方程转换为差分方程，然后用离散时间步长的方式来模拟系统的行为。具体来说，我们可以使用欧拉法或者龙格-库塔法等数值积分方法来求解差分方程。这里我们选择欧拉法。

def second_order_system(input, zeta, omega_n, Kp, dt, t_end):
    # 系统的初始状态
    y = 0.0
    ydot = 0.0

    # 存储输出和时间的数组
    output = []
    time = []

    # 模拟系统的行为
    for t in np.arange(0, t_end, dt):
        # 计算当前时刻的输出
        yddot = (Kp * input - 2 * zeta * omega_n * ydot - omega_n ** 2 * y)
        y += ydot * dt
        ydot += yddot * dt

        # 存储输出和时间
        output.append(y)
        time.append(t)

    return time, output

现在我们已经定义了这个二阶系统模型的函数。接下来，我们可以使用这个函数来模拟系统的行为，并将结果绘制成图形。

# 定义模型参数
zeta = 0.1
omega_n = 2*np.pi*5
Kp = 1.0

# 定义模拟参数
dt = 0.001
t_end = 5.0

# 定义输入信号
t = np.arange(0, t_end, dt)
input = np.sin(2*np.pi*1*t)

# 模拟系统的行为
time, output = second_order_system(input, zeta, omega_n, Kp, dt, t_end)

# 绘制输出
plt.plot(time, output)
plt.xlabel('Time (s)')
plt.ylabel('Output')
plt.show()

运行上面的代码，你应该可以看到一个类似于正弦波的图形，表示系统的输出随时间的变化。根据输入信号的不同，输出信号的形状也会有所变化。