·  предметно-содержательное изучение исследуемого процесса (или объекта) и его математическое описание (если необходимо) на основе имеющейся априорной информации, анализ условий и средств проведения эксперимента;

   ·  создание условий для проведения эксперимента и функционирования исследуемого объекта в желаемом режиме, обеспечивающем наиболее эффективное наблюдение за ним;

   ·  сбор, регистрация и предварительная обработка экспериментальных данных;

   ·  представление результатов обработки в требуемой форме;

   ·  содержательный анализ и интерпретация результатов эксперимента, как правило, с использованием методов цифровой обработки сигналов;

   ·  использование результатов эксперимента (коррекция физической модели явления или объекта, принятие решения о состоянии объекта, оценка параметров процесса, построение модели для прогноза, управления или оптимизации и др.).

   В зависимости от типа исследуемого объекта (явления) выделяют несколько классов экспериментов: физические, инженерные, медицинские, биологические, экономические, социологические и др. Наиболее глубоко разработаны общие вопросы проведения физических и инженерных экспериментов, в которых исследуются естественные или искусственные физические объекты (устройства) и протекающие в них процессы. Как правило, при их проведении исследователь может неоднократно повторять измерения физических величин в сходных условиях, задавать желаемые значения входных (объясняющих) переменных, изменять их в широких масштабах, фиксировать или устранять влияние тех факторов, зависимость от которых в настоящий момент не исследуется. Далее в основном будет идти речь именно об этом классе экспериментов. В экспериментах других классов аналогичные возможности существенно ограничены. В частности, для экономических экспериментов характерны малый объем экспериментальных данных, зачастую отсутствие возможностей повторения эксперимента в аналогичных условиях, влияние большого числа неуправляемых и неконтролируемых факторов. Тем не менее некоторые методы, используемые при проведении физических и инженерных экспериментов, например методы статистической обработки данных, могут с успехом применяться и в нетехнических задачах.

   Классификацию экспериментов можно провести по следующим признакам:

   ·  степени близости информационных датчиков (или измерительной системы), используемых в эксперименте, к объекту, в отношении которого планируется получение информации; различают: натурный, стендовый (или полигонный), модельный, вычислительный эксперименты;

   ·  цели проведения – исследование, испытание (контроль), управ ление (оптимизация, настройка);

   ·  степени влияния на условия проведения эксперимента (пассив ный и активный эксперименты);

   ·  степени участия человека (эксперименты с использованием автоматических, автоматизированных и неавтоматизированных средств проведения эксперимента).

   Результатом эксперимента в широком смысле является теоретическое осмысление экспериментальных  данных (результатов непосредственного  измерения, получаемых в ходе эксперимента) и установление законов и причинно-следственных связей, позволяющих предсказывать  ход интересующих исследователя  явлений, выбирать такие условия (воздействия), при которых удается добиться требуемого или наиболее благоприятного их протекания. В более узком смысле под результатом эксперимента часто  понимаются формирование математической (или описательной) модели явления  или получение значений параметров, устанавливающих формальные функциональные или вероятностные связи между  различными переменными, процессами или  явлениями. Получению именно этого  результата служат хорошо разработанные  методы статистической обработки экспериментальных  данных.

   Необходимо  отметить, что получение в ходе эксперимента математической модели или оценки параметров сигнала является необходимым, но не достаточным условием результативности эксперимента и его полезности для развития соответствующей предметной области. Это в особой степени относится к нетехническим отраслям знания. Выявленные статистические связи между различными величинами или процессами могут не соответствовать их причинной зависимости. Вопрос о наличии причинных отношений между наблюдаемыми величинами должен решаться исследователем на основании предметно-содержательного анализа эксперимента, которым должен непременно и начинаться, и заканчиваться эксперимент. Задача истолкования подмеченной связи часто является очень трудной.

   Содержательный  анализ математических моделей обладает спецификой для различных предметных областей. Поэтому рассмотрение этих вопросов, несмотря на всю их важность, выходит за рамки курса.

   Состав  средств измерений, входящих в измерительную  систему и выполняющих функции  датчиков сигналов, формирователей воздействий  на исследуемый объект, в существенной степени определяется задачами эксперимента, которые ставятся при его планировании. То же самое можно сказать и о предварительном выборе методов обработки экспериментальных данных, которые могут в дальнейшем уточняться по мере получения экспериментальной информации об объекте исследования и условиях проведения эксперимента.

   В связи с возрастанием сложности  экспериментальных исследований (это  проявляется в увеличении числа  измеряемых величин, большом количестве информационных каналов, повышении  требований к качеству регистрируемой информации и оперативности ее получения) в состав современных измерительных  систем включаются вычислительные средства различных классов. Эти средства (мини-ЭВМ, персональные компьютеры, специализированные вычислители и контроллеры) не только выполняют функции сбора и  обработки экспериментальной информации, но и решают задачи управления ходом  эксперимента, автоматизации функционирования измерительной системы, хранения измерительных  данных и результатов анализа, графической  поддержки режимов контроля, представления  и анализа. Эффективность применения вычислительных средств при проведении экспериментов проявляется в следующих основных направлениях:

   ·  сокращение времени подготовки и проведения эксперимента в результате ускорения сбора и обработки информации, повышения оперативности управления режимами сбора данных;

   ·  повышение точности и достоверности результатов эксперимента на основе использования более сложных и эффективных алгоритмов обработки измерительных сигналов, увеличения разрядности при кодировании данных, увеличения объема используемых экспериментальных данных для усреднения результатов;

   ·  сокращение числа исследователей, участвующих в проведении эксперимента, и применение автоматических систем, способных выполнять свои задачи в тех условиях, в которых пребывание человека нежелательно или невозможно;

   ·  улучшение управляемости и гибкости эксперимента за счет более полного контроля за его ходом;

   ·  повышение оперативности доведения результатов эксперимента до потребителя в наиболее удобной форме.

   Таким образом, современные средства проведения эксперимента представляют собой измерительно-вычислительные системы или комплексы, снабженные развитыми вычислительными средствами (в последнее время все чаще многопроцессорные). При обосновании структуры и состава ИС необходимо решить следующие основные задачи:

   ·  определить состав измерительного оборудования (датчики, устройства согласования, усиления, фильтрации, калибровки и т.д.);

   ·  выбрать тип и характеристики компьютера, входящего в состав ИС (сейчас, как правило, персональный компьютер);

   ·  выбрать тип оборудования, выполняющего сбор данных и цифровую обработку сигналов;

   ·  адаптировать каналы связи между компьютером, оборудованием сбора данных (интерфейс), измерительными устройствами и потребителем информации;

   ·  разработать программное обеспечение ИС.

   При выборе компьютера необходимо учитывать  требования по оперативности получения  результатов экспериментов, сложность  алгоритмов обработки экспериментальных  данных и объем получаемой информации. Это позволит оценить требуемые  производительность процессора (и необходимость  использования ЦОС-процессоров), емкость и характеристики ОЗУ и жестких дисков, характеристики видеосистемы.

Содержание  

[показать]