SOFTWARE-ALGORITHMIC SUPPORT OF PROCESSING AND ANALYSIS OF IR SPECTROGRAMS OF LUBRICATING OILS
SOFTWARE-ALGORITHMIC SUPPORT OF PROCESSING AND ANALYSIS OF IR SPECTROGRAMS OF LUBRICATING OILS
Abstract
In this research article, the main questions concerning computer processing and analysis of chemical experiments data on the example of IR spectrograms of lubricating oils are discussed in detail. The lack of a unified approach to processing and analysis of experimental data using modern software and algorithmic solutions is shown. The task is set to develop a model of information support of processing and qualitative analysis of IR spectrograms on the basis of software-algorithmic support of procedures of digitization, processing and qualitative analysis of IR spectrograms of organic substances. The methodological basis of the conducted research is the principles of structural analysis and system approach. The methods of computer and mathematical modelling were used in the processes of processing and analysis of IR spectrograms. When developing the mathematical description for solving the problem of approximation of IR spectrograms of the state of organic substances, the method of least squares was used. An approach to the organization of the processes of processing and intellectual analysis of IR spectrograms on the basis of software-algorithmic support tools is proposed. A formalized description of the processes of acquisition, digitization, processing and analysis of IR spectrograms is given. The process of digitization of IR spectra using the software product Grafula is reviewed. Approaches to computer processing of digitized results of IR spectroscopic studies for simplification of data analysis and identification of substances on the basis of comparison of the obtained data and standard peak values for groups of substances with the use of intelligent data analysis tools using the built-in Peak Analyzer tool of the Origin Pro software package have been proposed. Research on construction of mathematical support for the process of IR spectrometry on the basis of approximation of the obtained experimental IR spectrograms by non-linear mathematical models in the Origin Pro computer mathematics package has been carried out. The approaches to the creation of software and algorithmic support for processing and analysis of IR spectrograms of lubricating oils considered in the article are additional tools for better interpretation of the results of experimental studies and contribute to the increase of data informativeness. The authors suggest using these tools for the organization, operational control, visualization and highly effective management of the processes of spectrometric studies of organic substances.
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.