Программное обеспечение, используемое на различных этапах экспериментального исследования

Этапы экспериментальных исследований

Задачи и состав экспериментальных исследований

Изложение основного материала

Основными задачами экспериментальных исследований могут быть:

1) Целенаправленное наблюдение за функционированием объекта для углубленного изучения его свойств.

2) Проверка справедливости рабочих гипотез для разработки на этой основе теории явлений.

3) Установление зависимости различных факторов, характеризующих явление, для последующего использования найденных зависимостей в проектировании или управлении исследуемыми объектами.

Экспериментальные исследования включают этапы подготовки эксперимента, проведения исследований и обработки результатов.

На подготовительном этапе определяются цели и задачи, разрабатываются методика и программа его выполнения. Этот этап включает также подбор необходимого оборудования и средств измерений.

При разработке программы исследований стремятся к меньшему объему и трудоемкости работ, упрощению эксперимента без потери точности и достоверности результатов. В этой связи данный этап требует решения задачи определения минимального числа опытов (измерений), наиболее эффективно охватывающего область возможного взаимодействия влияющих факторов и обеспечивающего получения их достоверной зависимости.

Данная задача решается средствами раздела математической статистики — планирование эксперимента, который представляет необходимые методы для рациональной организации измерений, подверженных случайным ошибкам.

Этап проведения собственно исследований определяется спецификой изучаемого объекта. По характеру взаимодействия средств эксперимента с объектом различают обычные и модельные экспериментальные исследования. В первом взаимодействие оказывается непосредственно на объект, во втором — на заменяющую его модель.

Метод моделирования объектов и процессов является основным в научном эксперименте. Различают физическое, аналоговое, математическое моделирование. Физическое моделирование выполняется на специальных установках.

При этом вычислительная техника используется для управления процессом эксперимента, сбора регистрационных данных и их обработки.

Для аналогового моделирования используются аналоговые вычислительные машины (АВМ), что позволяет создавать и исследовать модели-аналоги, которые могут описываться одинаковыми дифференциальными уравнениями с исследуемым процессом.

Математическое моделирование, в широком смысле, опосредованное прак-тическое или теоретическое исследование объекта, при котором непосредственно изучается не сам интересующий исследователя объект, а некоторая вспомогатель-ная искусственная или естественная система (модель).

Сама по себе информация не входит в число предметов исследования математики. Тем не менее, слово «информация» употребляется в математических терминах — собственная информация и взаимная информация, относящихся к абстрактной (математической) части теории информации. Однако в математической теории понятие «информация» связано с исключительно абстрактными объектами — случайными величинами, в то время как в современной теории информации это понятие рассматривается значительно шире — как свойство материальных объектов.

Важный вклад в формализацию понятия информации внес автор теории информации Клод Шеннон, подразумевая под термином «информация» нечто фундаментальное (нередуцируемое). В теории Шеннона интуитивно полагается, что информация имеет содержание. Информация уменьшает общую неопределенность и информационную энтропию. Количество информации доступно измерению. В качестве меры информации передаваемого сообщения используется логарифмическая функция I = log(M).

В математическом моделировании используются также информационные, логические, имитационные и другие модели и их комбинации. В этом случае математическая модель представляет собой алгоритм, включающий определение зависимости между характеристиками, параметрами и критериями расчета, условия протекания процесса функционирования системы и т. д. Данная структура может стать моделью явления, если она с достаточной степенью отражает его физическую сущность, правильно описывает соотношение свойств и подтверждается результатами проверки.

Применением моделей и вычислительной техники реализуется один из наиболее эффективных методов научных исследований — вычислительный эксперимент, который позволяет изучать поведение сложных систем, с трудом поддающееся физическому моделированию. Часто это связано с большой сложностью и стоимостью объектов, а в некоторых случаях — невозможностью воспроизвести в реальных условиях.

Для математического моделирования целесообразно использовать программные средства известных фирм, разработанные высококвалифицированными специалистами с использованием последних достижений прикладной математики и программирования. Возможности современных программных средств в части машинной графики, включая параметризацию, использование методов «фрактала» и «морфинга», цветовой динамики, мультипликации и т. п., обеспечивают достаточную наглядность результатов.

Вычислительная техника находит наиболее широкое применение:

• для логического, функционального и структурного моделирования электронных схем;

• моделирования и синтеза систем автоматического управления (САУ);

• моделирования механических и тепловых режимов конструкций, механики газов и жидкостей.

При этом используются как сотни функционально-ориентированных программных систем (например, MICRO-Cap, PC-LOGS из P-CAD, Erwin, DesignLAB), так и системы универсального применения (Excel, Matlab, MathCAD).

Содержание этапа обработки результатов научных исследований

Выполнение этапа проведения теоретических или экспериментальных исследований обеспечивает регистрацию больших объемов информации, которая может быть представлена в виде:

а) массивов числовых данных как результатов дискретных измерений;

б) комплексов одномерных или многомерных сигналов.

Обработка числовых данных в зависимости от характера исследований может включать:

1) Выявление грубых измерений. Здесь используются:

а) правило трех сигм Xi > \i ± 38 (\i — среднеарифметическое значение множества X, б — среднеквадратичное отклонение);

б) величина малой вероятности результата;

в) эмпирические критерии ошибок (Романовского В. И.).

2) Анализ систематических и случайных погрешностей.

Систематические ошибки обусловлены определенными постоянными факторами и определяются по таблицам, графикам для каждого прибора

Учет случайных погрешностей проводится с использованием теорий вероятности и теории случайных ошибок.

3) Графическую обработку результатов измерений, которая выполняется после исключения погрешностей числовых данных и позволяет наглядно выявлять функциональные зависимости исследуемых факторов.

4) Вывод эмпирических зависимостей, т. е. зависимостей между взаимодействующими величинами в виде алгебраических или других типов выражений, соответствующих экспериментальным кривым. Здесь используются методы средних и наименьших квадратов, различные методы аппроксимации и интерполяции на основе полиномов, рядов, сплайн-функций и т. п., корреляционный и регрессионный анализы.

Рассмотрим на примере обработки звуковых сигналов процедуру формализации интересующей исследователя информации. Для интерпретации одномерных сигналов характерны следующие операции:

• Визуализация результатов измерений, т. е. графическое представление сигналов с использованием различных систем координат и масштабированием.

• Измерение параметров сигнала (периоды колебаний, амплитуды и т. п.).

• Исключение содержащихся в сигнале случайных помех. Используются методы сглаживания данных и фильтрации. Исследования свойств сигнала во многих случаях проводятся с использованием методов спектрального анализа (СА). При этом определяются частотные составляющие, скрытые периодичности и т. п. Классическим средством спектрального анализ является программная реализация преобразований Фурье. В обработку сигналов входят также процедуры оценки передаточных функций (например, каналов связи или САУ).

• Классификация и идентификация сигналов. Эти процедуры дают информацию для различных систем контроля и диагностики.

Обработка многомерных сигналов связана с анализом изображений (рентгеновских, ультразвуковых, оптических и т. п.) Многие задачи здесь близки анализу одномерных сигналов. Типичное математическое обеспечение этого процесса включает решение следующих функций:

• Ввод, сжатие и запись в виде файлов.

• Визуализация изображения с возможностью его контрастирования и использования цветовой гаммы.

• Измерения на изображении (вычисление размеров, площадей, периметров и др. характеристик объектов).

• Фильтрация изображения. Выполняется для подавления в нем случайных составляющих.

• Статический анализ изображения по гистограммам яркости, что позволяет определить степень его искажения.

• Классификация изображения. Основывается на измерении характеристик объектов, что позволяет их идентифицировать и распознать

Табличный процессор Excel в научных исследованиях

Информация о результатах исследования достаточно часто представляется в табличной форме.

Обработка такой информации эффективно выполняется с использованием табличных процессоров или электронных таблиц. Электронные таблицы применяются на всех этапах выполнения научных исследований, но наиболее целесообразно их использование при выполнении математических расчетов, математическом моделировании, численном эксперименте и обработке данных. Выполнение математических расчетов в электронных таблицах основано на возможности связывания числовых значений клеток с помощью математических операторов и встроенных функций. Excel предоставляет возможность работы с математическими, статистическими, логическими, информационными функциями. Ввод необходимой функции наиболее часто выполняется через поле f(x). При этом происходит помещение функции в «активную клетку».

В части расчетов Excel позволяет выполнять:

1) Реализацию численных методов решения дифференциальных уравнений,

алгебраических уравнений и их систем.

2) Обработку векторных и матричных массивов информации.

3) Оптимизационные расчеты, включая методы математического программирования (линейное и т. д.).

4) Операции с комплексными числами.

При этом расчеты сводятся к вычислению промежуточных результатов в соответствующих колонках таблиц.

Моделирование и численный эксперимент основаны на возможности автоматического пересчета результатов и их связанном графическом отображении.

Для наиболее простых случаев используется анализ по способу «что-если», когда поочередно меняются значения переменных функций f=f(x, y, z, p, m...).

При обработке данных, полученных по результатам научных исследований Excel может быть использован 1) Для расчета среднеарифметического и среднеквадратического отклонений

наборов данных при выявлении грубых ошибок измерений. Здесь применяются

функции СРЗНАЧ, КВАДРОТКЛ и т. п.

2) Статистического анализа данных. При этом могут быть выполнены:

• определение максимального значения (функция МАКС) ряда данных, стандартное отклонение (СТАНДОТКЛОН);

• различные методы анализа, подключаемые, при необходимости, через надстройку Анализ данных в частности.

Литература

Основная:

1. Компьютерные технологии в науке и образовании. Методические указания к практическим занятиям / Сост. В.Н.Арефьев.- Ульяновск, Ул-ГТУ, 2001.– 42 с.

2. Основы информационно-библиотечной культуры: учеб.-метод. пособие. М.: МГПУ, 2005.- 50 с.

3. Березовский В. С., Стеценко И. В. Создание электронных учебных ресурсов и онлайновое обучение: [Учебн. пособ.] / В. С. Березовский, И. В. Стеценко. — К.: Изд. группа BHV, 2013. — 176 с.

4. Изюмов А. А. Компьютерные технологии в науке и образовании: учебное пособие /А. А. Изюмов, В. П. Коцубинский. — Томск: Эль Контент, 2012. — 150 с.

Дополнительная:

1. Советов Б.Я. Информационные технологии: [Учебн. пособ.] / Б.Я.Советов, В.В. Цехановский. — М.: Высш. шк., 2003. — 263 с.

Дата добавления: 2017-02-01