ПРОГРАММНО-АЛГОРИТМИЧЕСКАЯ ПОДДЕРЖКА ПРОЦЕССОВ ОБРАБОТКИ И АНАЛИЗА ИК-СПЕКТРОГРАММ СМАЗОЧНЫХ МАСЕЛ
ПРОГРАММНО-АЛГОРИТМИЧЕСКАЯ ПОДДЕРЖКА ПРОЦЕССОВ ОБРАБОТКИ И АНАЛИЗА ИК-СПЕКТРОГРАММ СМАЗОЧНЫХ МАСЕЛ
Аннотация
В данной научной статье подробно рассмотрены основные вопросы, касающиеся компьютерной обработки и анализа данных химических экспериментов на примере ик-спектрограмм смазочных масел. Показано отсутствие единого подхода к обработке и анализу данных экспериментов с применением современных программно-алгоритмических решений. Ставится задача разработки модели информационной поддержки процессов обработки и качественного анализа ик-спектрограмм на основе программно-алгоритмического обеспечения процедур оцифровки, обработки и качественного анализа ик-спектрограмм органических веществ. Методологической основой проведенных исследований являются принципы структурного анализа и системного подхода. В процессах обработки и анализа ик-спектрограмм использованы методы компьютерного и математического моделирования. При разработке математического описания для решения задачи аппроксимации ик-спектрограмм состояния органических веществ использован метод наименьших квадратов. Предложен подход к организации процессов обработки и интеллектуального анализа ик-спектрограмм на основе инструментов программно-алгоритмической поддержки. Приведено формализованное описание процессов получения, оцифровки, обработки и анализа ик-спектрограмм. Рассмотрен процесс оцифровки ик-спектров с помощью программного продукта Grafula. Предложены подходы к компьютерной обработке оцифрованных результатов ик-спектроскопических исследований для упрощения процесса анализа данных и идентификации веществ на основе сопоставления полученных данных и стандартных значений пиков для групп веществ с применением инструментов интеллектуального анализа данных с помощью встроенного инструмента Peak Analyzer программного комплекса Origin Pro. Проведены исследования по построению математического обеспечения процесса ик-спектрометрии на основе аппроксимации полученных экспериментальных ик-спектрограмм нелинейными математическими моделями в пакете компьютерной математики Origin Pro. Рассмотренные в статье подходы к созданию программно-алгоритмического обеспечения процессов обработки и анализа ик-спектрограмм смазочных масел представляют собой дополнительные инструменты более качественной интерпретации результатов экспериментальных исследований, способствуют повышению информативности данных. Авторы предлагают использовать данные инструменты для организации, оперативного контроля, визуализации и высокоэффективного управления процессами спектрометрических исследований органических веществ.
1. Введение
В настоящее время цифровые компьютерные инструменты обработки и интеллектуального анализа информации на основе программных средств в виде универсальных моделирующих программ (УМП) широко применяются при работе с данными, полученных в ходе проведения химического эксперимента . Компьютерные программные продукты являются мощными инструментами, которые способны, в зависимости от поставленных на производстве задач, строить модели непосредственно самих химических процессов, это системы автоматизированного проектирования оборудования для проведения опытов (Cad-системы типа Aspen Plus, Hysys и т.д.) . Отдельное направление представляют собой пакеты компьютерной математики (ПКМ), называемые также системами компьютерной математики (СКМ) – это специализированные программные продукты, предназначенные для обработки и интеллектуального анализа данных – результатов эксперимента (Table Curve 2d, Table Curve 3d, Mathcad, Matlab, Maple, Wolfram Matematica и пр.) . Применение подобных компьютерных реализаций в виде пакетов прикладных программ позволяет исследователям решать достаточно широкий круг задач обработки результатов химического эксперимента: это и первичная статистическая обработка данных, вычисление основных статистик, дисперсионный и корреляционный анализ данных, построение и анализ различных эмпирических зависимостей, выбор и ранжирование на основе ряда параметрических критериев математических моделей состояния сложных химических систем и технологических процессов .
Целью данной научной работы является разработка модели информационной поддержки процессов подготовки, выработки и принятия управленческих решений на основе системного описания процессов оцифровки, обработки и качественного анализа ик-спектрограмм в виде предложенного программно-алгоритмического обеспечения процедур оцифровки, обработки и качественного анализа ик-спектрограмм органических веществ.
2. Методы и принципы исследования
Методологической основой проведенных исследований являются принципы системного подхода и структурного системного анализа. С позиции системных исследований были рассмотрены процессы оцифровки, обработки, анализа, моделирования, а также визуализации экспериментальных данных ик-спектрометрических исследований органических веществ. В процессах обработки и анализа ик-спектрограмм использованы методы компьютерного моделирования и статистического интеллектуального анализа экспериментальных данных ик-спектрометрических исследований органических веществ. При разработке математического описания для решения задачи аппроксимации ик-спектрограмм состояния органических веществ использован метод наименьших квадратов.
3. Основные результаты
3.1. Постановка задачи
Рисунок 1 - Оцифровка полученных ик-спектрограмм в программе Grafula
Примечание: рисунок выполнен авторами статьи
Полученные данные в виде таблицы, содержащей числовые значения, могут быть подвергнуты дальнейшей обработке. Программный комплекс Origin Pro имеет набор встроенных инструментов для оптимизации работы по анализу и обработке ик-спектральных характеристик. Программная компьютерная обработка позволяет выполнять очистку данных, автоматически сравнивать полученные пики с известными значениями для идентификации на основе стандартных пиков веществ. Процесс обработки пиков полученных ик-спектрограмм был выполнен с помощью программного средства Peak Analyzer программы Origin Pro . Программный модуль Peak Analyzer представляет собой встроенный анализатор пиков. В программном комплексе Origin Pro предусмотрены различные инструменты для анализа пиков, такие как поиск пиков, подгонка пиков, расчет площади под кривыми пиков и многое другое . С помощью функции «Поиск пиков» можно автоматически обнаруживать пики на кривых данных и определять их параметры, такие как центр пика, ширина и высота. Это удобный способ быстро анализировать данные и выявлять интересующие участки.
Рисунок 2 - Компьютерная обработка экспериментальных данных ик-спектроскопии смазочных масел в программном комплексе Origin Pro, надстройка Peak Analyzer
Примечание: рисунок выполнен авторами статьи
Теоретическая интерпретация экспериментального ИК спектра смазочного масла представлена в Таблице 1.
Таблица 1 - ИК спектр смазочного масла
Волновое число, эксперимент, cm−1 | Интенсивность экспериментальных полос | Волновое число, теория, сm−1 | Теоретическая интерпретация |
3009 | Слабая | 3012 | Валентные C−H-колебания ненасыщенных частей цепей |
2954 | Крыло | 2968 | Валентные C−H-колебания CH3-групп |
2924 | Очень сильная | 2952 | Валентные C−H-колебания CH2-групп |
2854 | Сильная | 2897 | - |
1744 | Очень сильная | 1767 | Валентные колебания C=O-связей |
1652 | Очень слабая | 1674 | Валентные колебания C=С-связей |
1462 | Средняя | 1475 | Ножничные колебания CH2-групп |
1376 | Слабая | 1400 | Маятниковые (плоские) колебания C−H-связей ненасыщенных фрагментов и веерные колебания CH2-групп |
1318 | Крыло | 1339 | Веерные колебания CH2-групп |
1236 | Слабая | 1255 | Веерные и маятниковые колебания CH2-групп |
1160 | Очень сильная | 1151,1181 | Валентные колебания C−O глицериновой сшивки |
1098 | Слабая | 1121 | Деформационные колебания (угловые) глицериновой сшивки |
1034 | Крыло | 1046 | Валентные колебания C−C-связей цепей |
966 | Очень слабая | 994 | Валентные колебания C−C-связей цепей |
914 | Очень слабая | 910 | Валентные колебания C−C-связей |
между ненасыщенными фрагментами цепей | |||
874 | Очень слабая | 885 | Деформационные колебания цепей |
844 | Очень слабая | 857 | Деформационные колебания глицериновой сшивки |
722 | Сильная | 719 | Маятниковые (не плоские) колебания C−H-связей ненасыщенных фрагментов и маятниковые колебания CH2 |
Примечание: по ист. [11]
При выполнении процедуры интерпретации полученных ик-спектрограмм органических веществ принято выделять два аспекта: количественный и качественный анализ полученных результатов. Количественный анализ подразумевает сравнение числовых значений полос поглощения спектров, а качественный – их соотнесение с известными значениями, характеризующими классы органических веществ по наличию различного рода химических связей между атомами в молекулах.
Смазочные масла представляют собой смесь углеводородов и гетероатомных соединений различного строения и молекулярной массы. В состав масел входят алканы нормального и изостроения c числом атомов от 15 до 30, полициклические циклоалканы с алкильными радикалами, моно- и полициклические арены с алкильными радикалами и значительное количество углеводородов смешанного строения.
Смазочные масла также имеют полосы поглощения: 1400см-1–СН связи алифатического характера,1500см-1 – связь бензольного кольца,2900см-1 – СН-связь концевая, 3000см-1,3050см-1 – СН-связь ароматического характера. Важно отметить, что на спектре отсутствует полоса поглощения в области750см-1, можно сказать, что это дифференцирующий признак. Таким образом, применение программных инструментов обработки ик-спектров позволяет автоматически выявлять наиболее характерные полосы поглощения.
3.3. Математическая модель
Рисунок 3 - Аппроксимация экспериментальных данных математической моделью в программном комплексе Origin Pro
Примечание: рисунок выполнен авторами статьи
Модель содержится в библиотеке стандартных функций в классе нелинейных моделей в каталоге программного комплекса Origin Pro.
Данная модель является трехпараметрической. Параметры модели вычисляются по методу наименьших квадратов . Далее были вычислены значения критериев качества математической модели: стандартная ошибка, критерий Фишера, критерий детерминации R2 . Количественные параметрические оценки применимости для модели (1) - критерии качества представлены в таблице 2.
Таблица 2 - Критерии качества модели (1)
Стандартная ошибка | Критерий Фишера | Критерий R2 |
0,02978 | 21,06555 | 0,88764 |
3.4. Формализация процессов компьютерной обработки ик-спектрограмм
Рисунок 4 - Блок-схема алгоритма компьютерной обработки, анализаи моделирования данных ик-спектров смазочных масел
Примечание: рисунок выполнен авторами статьи
4. Обсуждение
Рассмотренные в статье подходы к созданию программно-алгоритмическое обеспечение процессов обработки и анализа ик-спектрограмм смазочных масел представляет собой дополнительные инструменты более качественной интерпретации результатов экспериментальных исследований, способствуют повышению информативности данных. Авторы предлагают использовать данные инструменты для организации, оперативного контроля, визуализации и высокоэффективного управления процессами спектрометрических исследований органических веществ.
5. Заключение
На основе системного и структурного подходов разработана модель информационной поддержки процессов оцифровки, обработки, анализа и моделирования ик-спектрограмм состояния органических веществ. Обработка и анализ данных ик-спектрометрических исследований веществ и материалов – важная научная задача, требующая применения системного подхода. Современные компьютерные методы и модели обработки информации с применением пакетов компьютерной математики позволяют на качественно ином уровне решать задачи обработки, анализа, моделирования, интерпретации и визуализации полученных экспериментальных данных. Применение данного подхода позволяет реализовать инструменты программно-алгоритмической поддержки управленческих решений по обработке и анализу результатов ик-спектрометрических исследований органических веществ.